Ein neuartiges multifunktionales künstliches Intelligenz-System zur Behandlung der Effizienz und Implementierung in der Koloskopie

Kurzzusammenfassung

Um nicht-neoplastische Polypen (NNP) resektionen zu überwinden, wurden Computer-gestützte Diagnosesysteme (CADx) entwickelt. In einer Metaanalyse erwies sich die Leistung der CADx-Systeme als überlegen gegenüber Endoskopisten. Die Quote der falschen Vorhersagen könnte mit der Unterstützung von CADx erheblich reduziert werden. Es wurde berichtet, dass autonome AI-Vorhersagen eine Übereinstimmung mit den standardisierten, auf Pathologie basierenden Überwachungsintervallen erreichen könnten. In einer prospektiven Studie, die sich auf winzige Rektosigmoidpolypen konzentrierte, erreichte CADx einen negativen Vorhersagewert im Vergleich zur Histologie als Goldstandard. Läsionen waren für eine leave-in-situ-Strategie anpassungsfähig, was auf ein Potenzial zur Verringerung der Belastung durch unnötige Polypektomien hindeutet. Es wurde geschätzt, dass die durchschnittlichen Koloskopiekosten und die jährliche Erstattung unter der 'diagnostizieren-und-verlassen'-Strategie reduziert werden könnten. Dennoch berichteten fast alle bestehenden Literaturberichte über die Effektivität von CADx von simulierten Studien und konzentrierten sich auf die diagnostische Genauigkeit (d.h. alle Polypen wurden letztlich zur Histopathologie reseziert). Es gibt eine Lücke bei realen Daten mit harten klinischen Endpunkten, die ihre Implementierung unterstützen. Eine kürzlich durchgeführte randomisierte kontrollierte Studie (RCT) verglich die leave-in-situ- und resect-all-Strategie mit real-time CADx in beiden Armen. Mit ADR als Surrogatmarker wurde gezeigt, dass die leave-in-situ-Strategie mit CADx-Unterstützung nicht schlechter war. Die Hauptlimitationen dieser RCT waren: i) CADx wurden in beiden Armen aktiviert - der reine CADx-Effekt konnte nicht nachgewiesen werden; ii) die 'resect-all'-Strategie ist keine realistische Praxis, insbesondere für winzige Rektosigmoidpolypen; iii) die Interaktion und Entscheidungsfindung zwischen AI und Mensch wurden nicht dokumentiert und sind unklar. Eine gut durchgeführte RCT ist erforderlich, um den reinen CADx-Effekt auf die Reduzierung von NNP-Resekionen (Steigerung der Behandlungseffizienz) zu bewerten, während der Benchmark der ADR (sichere Implementierung) beibehalten wird. Darüber hinaus könnten AI-gemessene Metriken objektiv die Verfahrensqualität für die Leistungstracking und -prüfung validieren. Wenn die genannten Punkte nachgewiesen werden, würde die AI-gestützte Koloskopie im Rahmen der CRC-Prävention zum "Mainstream" werden.