Les systèmes de colonoscopie alimentés par l'IA réduisent considérablement les taux d'omission de polypes

Comment fonctionne la détection par l'IA

Les systèmes de colonoscopie assistée par l'IA affichent une superposition en temps réel sur le flux vidéo de l'endoscopiste, utilisant des modèles de vision par ordinateur entraînés sur de grands ensembles de données de vidéos de colonoscopie pour mettre en évidence les régions qui peuvent contenir des polypes. Les systèmes les plus performants produisent des alertes de détection en millisecondes—plus rapide qu'un humain ne peut consciemment traiter et évaluer une région de muqueuse. Plutôt que de remplacer le jugement de l'endoscopiste, l'IA sert de deuxième paire d'yeux continue qui ne fatigue jamais et ne se laisse pas distraire.

Les essais cliniques comparant la colonoscopie assistée par l'IA à la colonoscopie standard ont constamment montré que la détection assistée par ordinateur réduit les taux de non-détection d'adénomes, avec l'effet le plus prononcé pour les petites lésions plates. Une méta-analyse d'essais contrôlés randomisés a révélé que l'assistance par l'IA augmentait les taux de détection des adénomes d'environ 10 points de pourcentage par rapport à la colonoscopie non assistée—une amélioration cliniquement significative étant donné que des taux de détection plus élevés se traduisent directement par une incidence de cancer colorectal à long terme inférieure dans les populations dépistées.

Le défi de la spécificité

Les premiers systèmes de détection par l'IA étaient sujets à des taux élevés de faux positifs—signalant les plis muqueux normaux, les bulles ou les régions artéfactuelles comme potentiellement suspectes. Les taux élevés de faux positifs créent une fatigue d'alerte : si l'IA alerte toutes les quelques secondes sur quelque chose que l'endoscopiste identifie immédiatement comme normal, les alertes perdent leur crédibilité et les praticiens commencent à les ignorer.

Les systèmes plus récents ont considérablement amélioré la spécificité grâce à de meilleurs ensembles de données d'entraînement et des architectures de modèles plus sophistiquées. Les systèmes actuellement déployés commercialement ont des taux de faux positifs suffisamment bas pour être cliniquement viables, bien que le défi continu soit d'améliorer la sensibilité pour les lésions les plus difficiles à détecter—les adénomes plats dentelés qui importent le plus—sans réintroduire des taux de faux positifs qui minent la confiance clinique dans le système.

Adoption et remboursement

Les systèmes d'assistance de colonoscopie par l'IA de plusieurs fournisseurs ont reçu l'approbation FDA 510(k) et sont intégrés dans les salles d'endoscopie des grands centres médicaux et des cabinets privés. Le remboursement de la colonoscopie assistée par l'IA par Medicare et les assurances commerciales a pris du retard par rapport à la technologie elle-même, créant une friction économique pour l'adoption. Cependant, à mesure que la base de preuves pour l'amélioration de la détection s'accumule et que les payeurs reconnaissent les implications de coûts à long terme des cancers colorectaux prévenus, les cadres de remboursement s'adaptent progressivement.

Qu'est-ce qui vient ensuite

La prochaine frontière de l'IA en endoscopie est la caractérisation des polypes—utilisant l'imagerie en temps réel pour distinguer les adénomes des polypes hyperplasiques qui ne nécessitent pas de retrait, et des lésions malignes qui nécessitent une gestion chirurgicale plutôt qu'endoscopique. La caractérisation précise par l'IA pourrait réduire les polypectomies inutiles et permettre une programmation de suivi plus ciblée, rendant le dépistage par colonoscopie à la fois plus efficace et plus efficient. Les systèmes initiaux démontrent une précision de caractérisation prometteuse dans les paramètres de recherche, avec une commercialisation attendue pour suivre les systèmes de détection dans une utilisation clinique généralisée au cours des prochaines années.

Cet article est basé sur les rapports de Medical Xpress. Lire l'article original.