GastroBot: Artificiell intelligens tillämpas på tarmförberedelse

Bakgrund Kolorektal cancer (CRC) är den tredje vanligaste tumören, den vanligaste gastrointestinala tumören och den andra orsaken till cancerrelaterad död. (1) I mer än 80-90 % av fallen har CRC en prekursorskada, en adenomatös polyp eller adenom, som långsamt utvecklas mot CRC. Koloskopi anses vara guldstandarden i dess förebyggande syfte eftersom den tillåter upptäckt och behandling av dess ursprungliga form. (2) Med hänsyn till detta är att flera kvalitetsindikatorer för koloskopi har beskrivits, såsom cekal intubationshastighet, utsättningstid och adenom/polypdetekteringshastighet (ADR), som är den sista som är den viktigaste indikatorn som korrelerar med CRC-risk. (3)

Därför, för att minska förekomsten av CRC, måste vi fokusera på att förbättra ADR. Många tekniker har beskrivits för detta ändamål som att förbättra endoskopisters utbildning och träning, tarmförberedelser med delad dosering, utsättningstid >9 minuter och höger kolon andra vy, användning av högupplöst vitljusendoskopi, Endocuff vision, G-EYE scope eller Artificiell intelligens. (2, 4) Alla dessa tekniker har dock det gemensamma behovet av optimal visualisering av tarmslemhinnan och detta faktum beror på tarmrengöring. (3,4)

Problem Det uppskattas att cirka 20 % av koloskopierna har otillräckliga förberedelser. (5) Detta är förknippat med långa procedurer och mindre upptäckt av adenom, minskar screeningsintervallen och ökar kostnaderna och riskerna för komplikationer. Detta orsakar frustration för patienten och läkaren med medicinsk-juridiska konflikter. (6) Den idealiska rengöringsmetoden måste vara säker, väl tolererad och effektiv, men inget av de nuvarande alternativen uppfyller dessa egenskaper. Den främsta orsaken till olämplig rengöring (80 % av fallen) är att man inte har följt beredningsanvisningarna på ett tillfredsställande sätt och mestadels på grund av intolerans mot oral lösning. (7,8)

Flera strategier har föreslagits för att förbättra kvaliteten på tarmförberedelser. Liksom på andra områden har mobila sjukvårdsappar utvecklats för att öka följsamheten till tarmförberedande medel, vilket förbättrar tarmförberedelsens kvalitet. Att följa mobila sjukvårdsappar är dock också ett kvalitetskriterium och ett väntande problem att lösa med denna nya teknik. Dessutom, som med alla mobilappar, måste mobilappar för hälsovård vara kompatibla med specifika enheter. GastroBot är en ny teknik baserad på artificiell intelligens som gör det möjligt att genom en mjukvarubot göra en personlig uppföljning av patientens tarmrengöring, som ger patienten råd att övervinna oförutsedda händelser som uppstår med preparatet, vilket under andra omständigheter kan leda till misslyckandet med det.

Syfte Det primära syftet med denna studie är att fastställa förbättringen av tarmförberedelse efter GastroBot-hjälp jämfört med den traditionella förklaringen. Som ett sekundärt syfte strävar denna studie också efter att bestämma adenom- och polyperdetekteringshastigheter (ADR respektive PDR), tarmförberedande medels tolerans och GastroBot-funktionalitet.

MATERIAL OCH METODER

Studiens design Studietyp. Följande är ett tvärsnitt enkelt-blind och encenterkontrollerad randomiserad studie. Två grupper kommer att etableras: GastroBot-assisterade tarmpreparat (GB-grupp) och konventionella assisterade tarmpreparat (C-grupp).

Miljö. Det kommer att utföras på på varandra följande patienter med tarmförberedande medel innan de genomgår en koloskopi med cekal intubation vid Instituto de Gastroenterología y Endoscopía de Avanzada (IGEA), Hospital de la Asociación Médica (HAM) "Dr. Felipe Glasman", Bahía Blanca, Buenos Aires-provinsen, Argentina. Studieprotokollet och samtyckesformuläret har godkänts av Institutional Review Board (IRB) och kommer att genomföras enligt Helsingforsdeklarationen. Patienterna kommer att underteckna ett informerat samtycke.

Intervention En klinisk koordinator kommer att ansvara för patienters randomisering. Patienter från båda studiegrupperna kommer att få samma typ av preparat med polyetylenglykol i delad dos, vilket fastställer intagstiden enligt tre-tidssegment (8-11 på morgonen, 11-14, 14-16). C-gruppen kommer att få instruktionerna skriftliga utan personlig rådgivning. GB-gruppen kommer att få instruktionerna via WhatsApp-applikationen, vägledd av mjukvaruboten med flera och personliga alternativa instruktioner enligt resultat. Endoskopisten kommer att utföra endoskopin genom att bedöma primära och sekundära effektmått, blindad för patientens studiegrupp.

Provstorlek Med tanke på andelen otillräcklig BBPS (<6) bland app-gruppen (7,7 %) kontra kontroller (16,9 %) beskrivs av Walter B et al (2021), beräknade vi en urvalsstorlek på 194 fall per studiegrupp för att bestämma en dubbelsidig skillnad på BBPS mellan GB-grupp vs C-grupp med en 80% statistisk styrka.

Statistisk analys Baslinjeegenskaper kommer att jämföras mellan fall- och kontrollgruppen med Chi-square o Fisher Test för kategoriska variabler, och för fortlöpande variabler kommer Mann-Whitney Test att användas. Ett P-värde på mindre än 0,05 kommer att anses vara statistiskt signifikant. All statistisk analys kommer att utföras med den senaste tillgängliga versionen av statistikprogrammet R (R Foundation for Statistical Computing; Wien, Österrike).

Begränsningar Protokollet kommer att utföras i endast ett center och av sex endoskopister. Det är en enkel blindstudie. Patienterna kommer att veta att de använder (eller inte) ett nytt instrument för att öka kvaliteten på tarmförberedelserna.