Er is een groeiende behoefte aan kostenbesparende strategieën die de optische diagnose van colorectale poliepen mogelijk maken om de patiënt-, economische en milieubelasting van polypectomie en pathologie te verminderen. Een aanbeveling was om een ​​leave-in-situ-benadering toe te passen voor kleine, niet-bedreigende rectosigmoïde hyperplastische poliepen ≤5 mm en een resect-and-discard-benadering voor meer proximale laesies ≤5 mm.

Over het algemeen zijn deze kleine laesies verantwoordelijk voor meer dan 80% van alle poliepen die zijn gedetecteerd tijdens screening en surveillance-coloscopie, en een diagnose-en-laat-in-situ-strategie en een resect-and-discard-strategie kunnen mogelijk leiden tot miljoenen dollars aan endoscopie -gerelateerde besparingen.

Tegen deze achtergrond testten Cesare Hassan, MD, PhD, van het Humanitas Research Hospital in Rozzano, Italië, en collega’s de voorspellende diagnostische waarde van kunstmatige intelligentie (AI) tegen standaardhistologie voor het diagnosticeren van colorectale poliepen in een niet-gerandomiseerde real-life studie, die werd onlangs gepubliceerd in Klinische gastro-enterologie en hepatologie. Hassan besprak de resultaten van het onderzoek in het volgende interview met de Lees Kamer.

Wat was de aanleiding voor uw groep om de AI-studie te ondernemen?

Hassan: Het belangrijkste doel was om in een real-life setting de prestaties te testen van een AI-machine die in staat was om de histologie van de poliepen te voorspellen in wit-licht standaard endoscopie.

Wat had eerder onderzoek aangetoond over het potentieel voor een AI-benadering van colorectale poliepen?

Hassan: De toepassing van AI op colonoscopie begon eigenlijk met de baanbrekende studie van Dr. Yuichi Mori, die de mogelijkheid aantoonde om poliephistologie te voorspellen met behulp van een vergrote endoscoop met behulp van geavanceerde beeldvorming. Er was echter onzekerheid over de vraag of vergelijkbare resultaten konden worden bereikt met een eenvoudige standaardscope zonder het gebruik van geavanceerde beeldvorming.

Onverwacht is de implementatie van AI gedeeltelijk belemmerd door de suboptimale nauwkeurigheid die wordt gerapporteerd door de endoscopiegemeenschap.

Wat voegden de bevindingen van uw groep toe aan het beeld?

Hassan: Onze studie toonde in een realistisch scenario de haalbaarheid en nauwkeurigheid van AI bij het voorspellen van poliephistologie, overeenkomend met de grens die nodig is voor de klinische implementatie ervan.

Computerondersteunde diagnose (CADx) zonder geavanceerde beeldvorming overtrof de benchmarks die vereist zijn voor optische diagnose van colorectale poliepen. Deze aanpak zou kunnen helpen bij het implementeren van kostenbesparende strategieën bij colonoscopie door de last van polypectomie en/of pathologie te verminderen.

In totaal werden 544 poliepen verwijderd bij 162 patiënten, waarvan 295 ≤5 mm rectosigmoïde histologisch geverifieerde laesies. CADx-diagnose was mogelijk in 291 en de negatief voorspellende waarde voor rectosigmoïde laesies ≤ 5 mm was 97,6%.

Van deze 295 laesies waren er 242 vatbaar voor een leave-in-situ-strategie, terwijl 212 van de totale 544 vatbaar zouden zijn geweest voor een resect-and-discard-strategie. Dat resulteerde in een overeenkomst van 95,6% tussen op CADx gebaseerde en op histologie gebaseerde surveillance-intervallen volgens respectievelijk Europese en Amerikaanse richtlijnen.

Wat zijn de directe implicaties van de bevindingen?

Hassan: In tegenstelling tot AI voor poliepdetectie, zal de implementatie van AI-geassisteerde optische biopsie complex zijn. Het is waarschijnlijk dat AI-hulp meer en meer zal worden gebruikt voor de leave-in-situ-strategie voor niet-neoplastische poliepen in de rectosigmoid, waardoor een praktijk wordt gehomogeniseerd die al wijdverbreid is onder endoscopisten. Aan de andere kant zal de implementatie van strategieën die gebaseerd zijn op het weggooien van de neoplastische poliep na histologie geconfronteerd worden met verschillende niet-AI-barrières die de meeste endoscopisten en meer algemene artsen nog steeds dwingen om alle laesies die verwijderd zijn naar histologie te sturen.

Denkt u dat de gastro-enterologiegemeenschap snel zal overstappen op een kosteneffectieve AI-aanpak?

Hassan: Geen twijfel daarover! Endoscopie gebeurt in realtime en het risico op menselijke fouten is erg hoog. Geen enkele endoscopist zou redelijkerwijs de hulp van een speciale machine weigeren omwille van zijn praktijk en zijn patiënten.

Wat zijn de beperkingen van je studie?

Hassan: Vooral het feit dat het niet willekeurig was. We mogen dus aannemen dat de endoscopist overmoedig was omdat hij wist dat de poliepen uiteindelijk zouden worden weggesneden.

Welke vragen moeten nog beantwoord worden?

Hassan: We beschouwen histopathologie nog steeds als de diagnostische gouden standaard en er is een aanzienlijk risico op misclassificatie gemeld dat AI op een oneerlijke manier zou bestraffen. Vermoedelijk kan het gebruik van AI ook voor pathologie de onzekerheid met betrekking tot onderzoek op dit gebied verder verminderen.

Wat is de algemene boodschap van dit onderzoek?

Hassan: AI kan de beperkingen van endoscopische techniek en technologie compenseren. Door dezelfde standaard endoscopie in wit licht te gebruiken die door de meeste endoscopisten in hun dagelijkse routine wordt gebruikt, kan een AI-machine poliephistologie in dezelfde mate voorspellen als de meest deskundige endoscopisten in ons vakgebied, waardoor de toegevoegde waarde van pathologie in ons vakgebied verder wordt gemarginaliseerd. onze praktijk.

U kunt de samenvatting van de studie hier lezen, en over de klinische implicaties van de studie hier.

Dit onderzoek kreeg geen financiering.

De auteurs hadden geen concurrerende belangen te verklaren.


0 Comments

Leave a Reply

Avatar placeholder

Your email address will not be published.