Desenvolvimento e avaliação cruzada de um sistema assistido por Inteligência Artificial para detecção de lesões pancreáticas sólidas e reconhecimento de parenquima pancreático em ultrassonografia endoscópica (com vídeo)
GastroenterologiaO que aconteceu
A ultrassonografia endoscópica pancreatobiliar (EUS) é tecnicamente exigente, e as oportunidades de treinamento supervisionado são limitadas. Desenvolvemos um sistema de sobreposição de inteligência artificial (IA) para detectar lesões pancreáticas sólidas (LPS) e reconhecer o parênquima pancreático (PP) e avaliar seu efeito no desempenho do leitor. Em seis centros, dois modelos baseados em aprendizagem profunda foram treinados utilizando quadros EUS anotados por especialistas. Em seguida, realizou-se um estudo randomizado, de duas sequências, de dois períodos, em que oito endosonógrafos (cinco noviços e três especialistas) interpretaram conjuntos de imagens com e sem auxílio de IA. O objetivo primário foi a superioridade da sensibilidade para detecção de NPS entre os novatos; os principais desfechos secundários incluíram especificidade e reconhecimento de PP.
O que encontraram
De 118 pacientes, foram construídos 120 conjuntos de imagem positivo/negativo para NPS e 160 conjuntos de imagem positivo/negativo para PP. Entre os novatos, a assistência com IA melhorou a sensibilidade à detecção de NPS (88,7% vs. 76,8%, p < 0,001) e a acurácia (86,4% vs. 78,7%), enquanto a especificidade atendeu ao critério de não inferioridade pré-definido (84,2% vs. 80,5%, p < 0,001). Para o reconhecimento da PP, a sensibilidade aumentou numericamente (86,3% vs. 83,3%), mas não atendeu ao critério de superioridade pré-definida (p = 0,095); a especificidade atendeu ao critério de não inferioridade (87,8% vs. 81,0%), e a acurácia aumentou de 82,1% para 87,0%. Entre os especialistas, a sensibilidade foi mantida para ambas as tarefas, enquanto a especificidade aumentou com o auxílio de IA.
Por que isso importa
A assistência de IA melhorou a detecção de NPS entre os endosonógrafos novatos. Para o reconhecimento da PP, a sensibilidade aumentou sem atingir a superioridade estatística, enquanto a especificidade atendeu ao critério de não inferioridade pré-definido. Estas conclusões apoiam um potencial papel adjuvante da IA na interpretação da EUE.
Tradução automática do resumo original, publicado em Digestive endoscopy : official journal of the Japan Gastroenterological Endoscopy Society sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.
O estudo original
Development and Crossover Evaluation of an Artificial Intelligence-Assisted System for Solid Pancreatic Lesion Detection and Pancreatic Parenchyma Recognition in Endoscopic Ultrasonography (With Video)
Toshio Fujisawa, Takamichi Kuwahara, Tatsuya Sato, Yusuke Takasaki, Nozomi Okuno, Ryunosuke Hakuta, Ko Tomishima, Shin Haba, Naminatsu Takahara, Yukiko Ito et al.
Descritores MeSH
- Endosonography
- Artificial Intelligence
- Pancreas
- Pancreatic Diseases
- Pancreatic Neoplasms
- Middle Aged
- Sensitivity and Specificity
- Cross-Over Studies
- Aged
- Female