Sztuczna inteligencja pomoże w rozpoznawaniu zmian widocznych endoskopowo

Endoskopia górnego odcinka przewodu pokarmowego jest obecnie jedną z podstawowych metod diagnostycznych większości schorzeń w obrębie przełyku, żołądka i dwunastnicy. Widoczne podczas badania światło wymienionych narządów wymaga odpowiedniej, wnikliwej interpretacji - stanowi to szerokie pole do zastosowania sztucznej inteligencji.

Na łamach The Lancet Oncology przedstawiono wyniki badania chińskich naukowców, którzy przetestowali system GRAIDS (Gastrointestinal Artificial Intelligence Diagnostic System) służący do analizy obrazów uzyskiwanych w endoskopii GOPPu. Zostało ono przeprowadzone w sześciu ośrodkach; obrazy uczestników, w wieku co najmniej 18 lat, którzy nie mieli wcześniej endoskopii, zostały pobrane ze wszystkich uczestniczących szpitali. Do badania kwalifikowali się wszyscy pacjenci ze zmianami nowotworowymi górnego odcinka przewodu pokarmowego (w tym rak przełyku i rak żołądka), u których wykazano histologicznie nowotwory złośliwe. Obrazy pochodzące z Sun Yat-sen University Cancer Center zostały losowo przypisane do sporządzenia szkoleniowych i wewnętrznych zestawów danych weryfikacyjnych. Skuteczność diagnostyczna badanego systemu została oceniona przy użyciu wewnętrznego i prospektywnego zestawu walidacyjnego z Sun Yat-sen University Cancer Center oraz dodatkowych zewnętrznych zestawów walidacyjnych z pięciu szpitali podstawowej opieki zdrowotnej. Działanie GRAIDS porównano również z endoskopistami posiadającymi trzy stopnie wiedzy specjalistycznej: ekspert, kompetentny i stażysta.

W sumie wykorzystano aż 1 036 496 zdjęć endoskopowych pochodzących od 84 424 osób do opracowania i przetestowania systemu GRAIDS. Dokładność diagnostyczna w rozpoznawaniu nowotworów górnego odcinka przewodu pokarmowego wynosiła 0,955 w wewnętrznym zestawie walidacyjnym i 0,927 w zestawie prospektywnym; ta ostatnia wahała się od 0,915 do 0,977 w pięciu zewnętrznych testach. GRAIDS osiągnął czułość diagnostyczną podobną do wrażliwości endoskopisty-eksperta (0,942 vs. 0,945, p=0,692) i wyższą czułość w porównaniu z kompetentnymi (0,858, p <0,0001) i początkującymi (0,722, p <0,0001) endoskopistami. Dodatnia wartość predykcyjna wynosiła 0,814 dla GRAIDS, 0,932 dla eksperta endoskopisty, 0,974 dla kompetentnego i 0,824 dla początkującego operatora, z kolei negatywna wartość predykcyjna wynosiła odpowiednio 0,978, 0,980, 0,951 i 0,904.