GastroBot：应用于肠道准备的人工智能

背景 结直肠癌 (CRC) 是第三大常见肿瘤，是最常见的胃肠道肿瘤，也是癌症相关死亡的第二大原因。 (1) 80-90%以上的CRC有前驱病变，即腺瘤性息肉或腺瘤，缓慢进展为CRC。 结肠镜检查被认为是其预防的黄金标准，因为它可以检测和治疗其初始形式。 (2) 考虑到这一点，已经描述了几个结肠镜检查质量指标，例如盲肠插管率、退出时间和腺瘤/息肉检出率 (ADR)，这是与 CRC 风险相关的最后一个最重要指标。 (3)

因此，要降低CRC的发病率，就必须着眼于提高ADR。 许多技术已被描述用于此目的，如改进内镜医师的教育和培训、分次给药肠道准备、退出时间 >9 分钟和右结肠二次视图、使用高清白光内窥镜、Endocuff 视觉、G-EYE 范围或人工智能。 (2, 4) 然而，所有这些技术的共同点是需要对肠粘膜进行最佳可视化，而这一事实取决于肠道清洁。 (3,4)

问题 据估计，大约 20% 的结肠镜检查准备不充分。 (5) 这与冗长的程序和较少的腺瘤检测有关，减少了筛查间隔，并增加了并发症的成本和风险。 这会导致患者和医生因医疗法律冲突而感到沮丧。 (6) 理想的清洁方法必须是安全的、耐受性良好且有效的，然而，目前的选择都没有满足这些特征。 清洁不当的主要原因（80% 的病例）是未能充分遵循配制说明，主要是因为对口服溶液不耐受。 (7,8)

已经提出了几种策略来提高肠道准备的质量。 与其他领域一样，已经开发了移动医疗保健应用程序以增加对肠道准备剂的依从性，提高肠道准备质量。 然而，坚持使用移动医疗保健应用程序也是一项质量标准，也是这项新技术需要解决的悬而未决的问题。 此外，与任何移动应用程序一样，移动医疗保健应用程序必须与特定设备兼容。 GastroBot 是一项基于人工智能的新技术，它允许通过软件机器人对患者的肠道清洁进行个性化跟进，建议患者克服准备过程中出现的意外情况，这些意外情况在其他情况下可能导致它的失败。

目的 本研究的主要目的是确定与传统解释相比，GastroBot 协助后肠道准备的改善情况。 作为次要目标，本研究还旨在确定腺瘤和息肉检出率（分别为 ADR 和 PDR）、肠道准备剂的耐受性和 GastroBot 功能。

材料和方法

研究设计研究类型。 以下是横断面单盲单中心对照随机试验。 将建立两组：GastroBot 辅助肠道准备（GB 组）和常规辅助肠道准备（C 组）组。

环境。 它将在具有肠道准备剂适应症的连续患者中进行，然后在 Instituto de Gastroenterología y Endoscopía de Avanzada (IGEA)、Hospital de la Asociación Medica (HAM) 进行结肠镜检查和盲肠插管。 Felipe Glasman”，阿根廷布宜诺斯艾利斯省布兰卡湾。 研究方案和同意书已获得机构审查委员会 (IRB) 的批准，并将根据赫尔辛基的声明进行。 患者将签署知情同意书。

干预 临床协调员将负责患者的随机化。 来自两个研究组的患者将接受相同类型的分次剂量聚乙二醇制剂，根据三个时间段（上午 8-11 点、下午 11-2 点、下午 2-4 点）确定摄入时间。 C 组将在没有事先个性化建议的情况下收到书面说明。 GB 组将通过 WhatsApp 应用程序接收指令，由软件机器人根据结果提供多种个性化替代指令。 内窥镜医师将通过评估主要和次要终点来执行内窥镜检查，对患者的研究组不知情。

样本量 考虑到应用组 (7.7%) 与对照组 (16.9%) BBPS 不足 (<6) 的比例 根据 Walter B 等人 (2021) 的描述，我们计算了每个研究组 194 个病例的样本量，以确定 GB 组与 C 组之间 BBPS 的双边差异，统计功效为 80%。

统计分析 病例组和对照组之间的基线特征将使用针对分类变量的卡方o Fisher 检验进行比较，对于连续变量，将使用Mann-Whitney 检验。 小于 0.05 的 P 值将被认为具有统计学意义。 所有统计分析都将使用最新版本的统计程序 R（R 统计计算基金会；奥地利维也纳）进行。

局限性 该方案将仅在一个中心由六名内窥镜医师执行。 这是一项简单的盲法研究。 患者会知道他们正在使用（或不使用）一种新型仪器来提高肠道准备质量。