ÖGON-studien som förbättrar det diagnostiska utbytet av standardkoloskopi genom endoskopi med hjälp av artificiell intelligens (EYE)

Kolorektal cancer (CRC) är fortfarande en av de främsta orsakerna till dödlighet bland neoplastiska sjukdomar i världen[1]. Adekvata koloskopibaserade CRC-screeningprogram har visat sig vara nyckeln för att minska risken för dödlighet, genom tidig diagnos av befintlig CRC och upptäckt av pre-cancerösa lesioner[2-4]. Ändå påverkas den långsiktiga effektiviteten av koloskopi av en rad variabler som gör det långt ifrån ett perfekt verktyg[5]. Effektiviteten av en koloskopi beror främst på dess kvalitet, vilket i sin tur är beroende av endoskopistens skicklighet och expertis. Faktum är att flera studier har visat en signifikant adenommissfrekvens på 24%-35%, särskilt hos patienter med diminutiva adenom[6,7]. Dessa data är i linje med intervallcancerincidensen (I-CRC), definierad som andelen cancersjukdomar som diagnostiserats efter ett screeningprogram och före den avsedda övervakningstiden, på cirka 3%-5% [8,9].

Utvecklingen av tillämpningar för artificiell intelligens (AI) inom det medicinska området har ökat i intresse under det senaste decenniet. Dess prestanda för att öka automatisk polyp- och adenomdetektion har visat lovande resultat för att uppnå en högre ADR[10]. Användningen av datorstödd diagnos (CAD) för detektion av polyper hade från början studerats i ex vivo-studier, men under de senaste åren, med framstegen inom datorstödd teknologi och framväxten av algoritmer för djupinlärning, har användning av AI under koloskopi uppnåtts och fler studier har genomförts [10].

Nyligen har Fujifilm (Tokyo, Japan) utvecklat en ny teknologi känd som "CAD-EYE" som syftar till att stödja både upptäckt av kolonpolyper och karakterisering under koloskopi. Denna teknik är nu tillgänglig i Europa och är kompatibel med den senaste generationen Fujifilm-endoskop (ELUXEO Fujifilm Co.).

Den kliniska effekten av CAD-EYE-systemet för att förbättra adenomdetektionen har dock ännu inte utvärderats