Noggrannhet i realtidskarakterisering i artificiell intelligens-assisterad koloskopi

Kolorektal cancer (CRC) är den tredje vanligaste cancerformen och den näst vanligaste orsaken till cancerrelaterad död i världen. CRC-screening används för att upptäcka och avlägsna precancerösa lesioner innan de utvecklas till cancer. Koloskopi anses vara överlägset andra screeningtester och används därför som den gyllene standarden.

Screeningkoloskopi är förknippat med en minskad risk för CRC-relaterad död. Eftersom det inte är möjligt för en endoskopist att med säkerhet fastställa polypens histopatologi under en koloskopi bör upptäckta premaligna lesioner tas bort och skickas för histologisk undersökning. Flera studier har visat att det finns ett starkt samband mellan fynden vid koloskopin för baslinjescreening och frekvensen av allvarliga lesioner vid uppföljningskoloskopin. Riskfaktorer för adenom, avancerat adenom och cancer vid uppföljning av koloskopi är multiplicitet, storlek, villöshet och hög grad av dysplasi av adenomen vid koloskopin för baslinjescreening.

Under de senaste åren har det publicerats flera randomiserade kontrollerade studier (RCT) som undersöker effektiviteten av datorstödd detektion i realtid. Studier har visat att AI bidrar till en betydligt högre adenomdetektionsfrekvens (ADR), jämfört med koloskopier utan hjälp av ett AI-system. Det har funnits oro för förlängd koloskopitid och ökad arbetsbelastning vid implementering av AI-systemet, sedan den ökade upptäckten av små polyper kan leda till onödig polypektomi.

Med utvecklingen av datorstödda polypkarakteriseringssystem (CADx) är det möjligt att använda AI för beslutsstöd och inte bara för upptäckt. Det finns ännu inga bevis för att CADx-systemet ökar känsligheten för små neoplastiska polyper när det används av icke-experta endoskopister (ackrediterade för standardkoloskopi), men det kan förbättra klinikernas förtroende och öka specificiteten för optisk diagnos (Barua et al) .

Diminutiva polyper (1-5 mm) i den rectosigmoida tjocktarmen kan lämnas in situ när de diagnostiserats med hög säkerhet med en sensitivitet på minst 90 % och en specificitet på minst 80 %. För att implementera resect-and-cast-strategin är en känslighet på minst 80 % acceptabel. Detta rekommenderas av European Society of Gastrointestinal Endoscopy (ESGE) som en strategi för att minska onödig borttagning av små polyper med en försumbar risk för cancer. Även om resect-and-cast-strategin bedöms vara en säker och kostnadseffektiv metod, är det viktigt att vara försiktig med lesioner i höger kolon på grund av deras maligna potential.

Pålitliga CADx-system skulle kunna möjliggöra ett mer målinriktat avlägsnande av neoplastiska polyper, medan diminutiva icke-neoplastiska polyper kan lämnas kvar. Den potentiella överdrivna arbetsbelastningen på grund av CADe-systemet skulle därför teoretiskt kunna undvikas genom att lägga till CADx-systemet.

Resultaten hittills är lovande, vilket tyder på att AI-assisterad koloskopi är överlägsen konventionell koloskopi när det gäller polyp- och adenomdetektion. Fortsatt förbättring av CADx-system för att differentiera patologin för kolorektala lesioner behövs, liksom ytterligare kliniska studier för att bedöma det potentiella värdet av CADx-systemet.

Det övergripande syftet med denna forskning är att undersöka kvaliteten och de möjliga fördelarna med AI-hjälp vid koloskopi. Förhoppningsvis kan detta bidra till en mer exakt, säker och målinriktad diagnos och behandling av patienter i framtiden.

Utredarna har utformat en kvalitetssäkringsstudie för att undersöka effekten av AI-assisterad koloskopi i realtid med CADx-systemet (GI Genius, Medtronic). Denna studie "REG-093-2022" är en delstudie till RCT "REG-092-2022". Utredarna vill utvärdera den diagnostiska noggrannheten hos CADx-systemet.