Prestanda av artificiell intelligens i koloskopi för höger kolonpolypdetektion: en randomiserad kontrollerad studie (AIRCOP)

Kolorektal cancer (CRC) är den tredje vanligaste cancerformen och är fortfarande en av de främsta orsakerna till dödlighet bland neoplastiska sjukdomar i världen. Screeningkoloskopi med detektion och resektion av kolorektala polyper har minskat CRC-incidens och mortalitet.

Ändå är koloskopi ett ofullkomligt screeningtest och dess effektivitet påverkas av en rad variabler inklusive endoskopistens skicklighet och expertis. Faktum är att en betydande del av kolorektal neoplasi missas under koloskopiska undersökningar. I de flesta studierna varierade frekvensen av intervall-CRC bland alla CRC från 2% till 9% och intervallcancer förekom mer sannolikt i höger kolon. Intervallcancer kan bero på missad lesion, ofullständig borttagning eller nyutvecklad cancer. De flesta missade polyper är mindre än 10 mm i diameter och är fastsittande eller platta till utseendet. Därför missar man lätt sittande tandade adenom (SSA), som övervägande förekommer i höger kolon, eftersom de är små och sittande.

Koloskopi är mindre effektivt vid screening av högersidiga CRC, främst på grund av den ökade missfrekvensen för polyper med fastsittande eller platt utseende. Under de senaste åren har artificiell intelligens (AI) i allt större utsträckning tillämpats inom gastrointestinal endoskopi, särskilt vid upptäckt av kolorektala polyper. Under 2019 visade den första prospektiva randomiserade kontrollerade studien som inkluderade 1058 patienter och jämförde polypdetekteringsfrekvensen i koloskopi med eller utan AI en signifikant högre detektionsfrekvens i gruppen med AI (29,1 % mot 20,3 %). Andra tidigare prospektiva studier har visat att AI hade stor potential för att förbättra upptäckt av kolonpolyper.

Såvitt vi vet är detta den första studien hittills för att utvärdera AI:s prestanda vid upptäckt av höger kolonpolyper.

I den här studien strävar vi först och främst efter att jämföra frekvensen av upptäckt av höger kolonpolyp med AI-stödd koloskopi (AIC) med frekvensen som erhålls av standard (högupplöst) koloskopi (SC) hos patienter som genomgår diagnostisk koloskopi. Sedan skulle vi utvärdera följande slutpunkter:

1. Jämförelse av tid som krävs för AIC kontra SC (uttagstid)
2. Jämförelse av histologisk klassificering av alla polyper detekterade i varje grupp
3. Jämförelse av antalet detekterade höger kolonpolyper i varje grupp
4. En undergruppsanalys som jämför hastigheten för kolonpolypdetektering mellan de två grupperna kommer att realiseras enligt procedurens starttid (med hänsyn till operatörens utmattning).