AI-systeem voor real-time automatische polyp detectie en karakterisatie tijdens colonoscopie: van initiële proof-of-concept naar validatie en valorisatie in de routinematige klinische praktijk

Darmkanker is de op twee na meest voorkomende vorm van kanker in de algemene bevolking. Nauwkeurige detectie van colorectale poliepen tijdens colonoscopie en hun karakterisering (d.w.z. differentiatie tussen goedaardige en kwaadaardige poliepen) is cruciaal voor het voorkomen van aan darmkanker gerelateerde sterfte. Detectie van colorectale poliepen in de klinische praktijk kan zeer uitdagend zijn, met zeer variabele detectie-performantie tussen verschillende operatoren en gerapporteerde percentages aan gemiste poliepen die kunnen oplopen tot 20%. Geresecteerde poliepen worden onderworpen aan histopathologisch onderzoek om het onderscheid te maken tussen hyperplastische en neoplastische (adenomen) poliepen, wat aanzienlijke kostenimplicaties heeft, rekening houdend met het feit dat bij ongeveer 40-50% van de patiënten poliepen worden verwijderd. Nauwkeurige endoscopische diagnose van poliephistologie op basis van de huidige klinische richtlijnen zou een “wacht en bewaak”-strategie mogelijk maken. We hebben een eerste proof-of-concept ontwikkeld van een geautomatiseerd AI-systeem voor real-time poliepdetectie en optische karakterisering tijdens colonoscopie met histologie als referentie. In dit project willen we dit systeem valideren en verfijnen in een real-life multicenter setting om de toegevoegde waarde ervan voor de routine klinische praktijk te onderzoeken en een businessplan op te stellen voor economische valorisatie van het gevalideerde systeem.

Trefwoorden:colonoscopy, polyp characterization, AI-tool, polyp detection, computer-aided diagnosis

Disciplines:Beeldgeleide interventies, Gastro-enterologie