Penelitian baru menegaskan bahwa kolonoskopi yang dilakukan kemudian dalam pergantian ahli endoskopi dikaitkan dengan penurunan deteksi adenoma dan menunjukkan bahwa kecerdasan buatan (AI) dapat membantu menghilangkan masalah tersebut.
Sistem AI “dapat menjadi alat potensial untuk meminimalkan degradasi kualitas kolonoskopi terkait waktu dan selanjutnya mempertahankan kualitas tinggi dan homogenitas kolonoskopi di pusat-pusat beban kerja tinggi,” Honggang Yu, MD, dengan Departemen Gastroenterologi, Rumah Sakit Renmin Universitas Wuhan, Wuhan, China, kepada Medscape Medical News.
Studi ini dipublikasikan secara online hari ini di JAMA Network Open.
faktor kelelahan?
Tingkat deteksi adenoma (ADR) adalah ukuran kualitas kritis skrining kolonoskopi. Waktu hari adalah faktor yang terkenal terkait dengan ADR suboptimal – dengan kolonoskopi pagi terkait dengan peningkatan ADR dan kolonoskopi sore dengan penurunan ADR, Yu dan rekan menulis.
“Namun, pendekatan objektif untuk menyelesaikan masalah ini masih kurang,” kata Yu. Sistem AI telah terbukti meningkatkan ADR, tetapi kinerja AI selama waktu yang berbeda dalam satu hari masih belum diketahui.
Untuk menyelidiki, para peneliti secara acak mengalokasikan 1.780 pasien berturut-turut untuk kolonoskopi konvensional atau kolonoskopi berbantuan AI dan membandingkan ADR untuk sesi kolonoskopi awal dan akhir per setengah hari.
Prosedur kolonoskopi dibagi menjadi dua kelompok sesuai dengan waktu akhir prosedur. Kelompok awal termasuk prosedur yang dimulai pada sesi awal per setengah hari (08.00–10.59 atau 13.00–14.59). Kelompok terlambat termasuk prosedur yang dimulai pada sesi selanjutnya per setengah hari (11:00 – 12:59 atau 15:00 – 16:59).
Sebanyak 1041 prosedur dilakukan pada sesi awal (357 konvensional dan 684 dibantu AI). Sebanyak 739 prosedur dilakukan pada sesi akhir (263 konvensional dan 476 dibantu AI).
Pada kelompok kolonoskopi tanpa bantuan, sesi selanjutnya per setengah hari dikaitkan dengan penurunan ADR (awal vs akhir, 13,73% vs 5,7%; P = 0,005; rasio odds [OR], 2,42; CI 95%, 1,31 – 4,47).
Namun, dengan bantuan AI, tidak ada hubungan seperti itu ditemukan di ADR (awal vs terlambat, 22,95% vs 22,06%; P = 0,78; OR, 0,96; 95% CI, 0,71 – 1,29). AI memberikan kemampuan bantuan tertinggi dalam satu jam terakhir per setengah hari.
Penurunan ADR pada sesi akhir (vs sesi awal) terbukti dalam pengaturan kolonoskopi yang berbeda. Para peneliti mengatakan akrual kelelahan endoskopi mungkin merupakan faktor independen dari degradasi kualitas kolonoskopi terkait waktu.
Diperlukan Lebih Banyak Eksplorasi
“Kami senang dengan potensi besar menggunakan kekuatan AI untuk membantu ahli endoskopi dalam kontrol kualitas atau diagnosis penyakit dalam praktik kolonoskopi, tetapi masih terlalu dini untuk melihat AI sebagai standar,” kata Yu kepada Medscape Medical News.
“Terlepas dari pencapaian baru-baru ini dalam desain dan validasi sistem AI, lebih banyak eksplorasi diperlukan dalam aplikasi klinis AI,” kata Yu.
Lebih lanjut Yu menjelaskan bahwa selain persetujuan regulasi, hasil keluaran AI harus dipercaya oleh ahli endoskopi, yang tetap menjadi tantangan bagi sistem AI saat ini yang kurang dapat ditafsirkan.
“Oleh karena itu, pada tahap pengembangan AI saat ini, model AI hanya dapat berfungsi sebagai pengingat tambahan untuk membantu ahli endoskopi dalam kolonoskopi,” kata Yu.
Studi ini didukung oleh Proyek Tim Inovasi Komisi Kesehatan Provinsi Hubei. Para penulis telah menunjukkan tidak ada hubungan keuangan yang relevan.
Jaringan JAMA Terbuka. Diterbitkan online 31 Januari 2023. Teks lengkap
Untuk berita lebih lanjut, ikuti Medscape di Facebook, Twitter, Instagram, YouTube, dan LinkedIn