Desenvolvimento de um sistema de suporte ao diagnóstico de imagem endoscópica em tempo real utilizando tecnologia de aprendizado profundo em colonoscopia

Foram identificadas lacunas nas habilidades de colonoscopia entre os endoscopistas, principalmente devido à experiência, e soluções são criticamente necessárias. Assim, o desenvolvimento de um sistema de detecção robusto em tempo real para neoplasias colorretais é considerado para reduzir significativamente o risco de lesões perdidas durante a colonoscopia. Aqui, desenvolvemos um sistema de inteligência artificial (IA) que detecta automaticamente os primeiros sinais de câncer colorretal durante a colonoscopia; o sistema de IA mostra que a sensibilidade e especificidade são de 97,3% (intervalo de confiança CI = 95,9%-98,4%) e 99,0% (CI = 98,6%-99,2%), respectivamente, e a área sob a curva é de 0,975 (CI = 0,964-0,986) no conjunto de validação. Além disso, as sensibilidades são de 98,0% (CI = 96,6%-98,8%) no subgrupo polipóide e 93,7% (CI = 87,6%-96,9%) no subgrupo não polipóide; Para acelerar a detecção, as métricas tensorais no modelo treinado foram decompostas, e o sistema pode prever regiões cancerosas em 21,9 ms/imagem em média. Esses achados sugerem que o sistema é suficiente para apoiar os endoscopistas na alta detecção contra lesões não polipóides, que são frequentemente perdidas pela colonoscopia óptica. Este sistema de IA pode alertar os endoscopistas em tempo real para evitar perder anomalias como pólipos não polipóides durante a colonoscopia, melhorando a detecção precoce dessa doença.