ELEVADA ACURÁCIA DIAGNÓSTICA NA CARACTERIZAÇÃO DE LESÕES COLORRETAIS PELA INTELIGÊNCIA ARTIFICIAL
Journal of Coloproctology · 01.12.2023 · 43 (S 01 S 01) · S1-S270
DOI: 10.1055/s-0044-1780969 ↗Kurz gefasst
Fachartikel in der Zeitschrift Journal of Coloproctology, erschienen am 01.12.2023. Verfasst von Marcio Roberto Facanali Junior und 7 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).
Abstract (Originalsprache)
mrfacanalli@hotmail.com Introdução O câncer colorretal (CCR) é o terceiro tipo de câncer mais incidente no mundo, responsável por 10% dos novos casos de câncer diagnosticados, sendo a colonoscopia o padrão-ouro para a sua detecção. A cada acréscimo de 1% na taxa de detecção de adenoma, observa-se um decréscimo de 5% na mortalidade por CCR. A colonoscopia assistida por inteligência artificial (IA) vem ganhando importância não só na detecção de lesões colorretais, como também na sua caracterização como neoplásicas ou não neoplásicas (hiperplásicas). Entretanto, notam-se algumas divergências na literatura em relação à acurácia diagnóstica da caracterização por IA, com alguns estudos asiáticos mostrando acurácias acima de 90%, e estudos europeus mostrando taxas de 74% a 84%. Assim, observando-se não só a divergência dos resultados de diversos autores, como também a diferença das características da população de um país em desenvolvimento, o objetivo deste trabalho foi avaliar a acurácia diagnóstica da IA na caracterização das lesões colorretais em nosso meio. Materiais e Métodos Realizou-se um estudo transversal, em um centro de referência de São Paulo, em todos os pacientes submetidos à IA, com indicação de rastreamento ou vigilância de CCR, com idade entre 45 e 75 anos, de janeiro a junho de 2023. Utilizou-se a tecnologia CADEYE de IA da Fujifilm (Tóquio, Japão), os colonoscópios de alta definição e a processadora Eluxeo. As lesões foram identificadas em tempo real pelo software , e caracterizadas como neoplásicas ou hiperplásicas. Após as ressecções, as lesões foram colocadas em frascos individualizados e enviadas para estudo anatomopatológico. Em seguida, os dados foram comparados e analisados. Resultados Foram avaliadas 125 lesões detectadas em 56 colonoscopias assistidas por IA, com média de 2,23 lesões por exame (variação: 1 a 7; DP: 1,48). Ao todo, 113 lesões (90,4%) eram elevadas, 0-Ip pela classificação de Paris. O tamanho médio das lesões foi de 4,69 (variação: 1 a 25; DP: 4,19) mm. Quanto à localização, a região do retossigmoide correspondeu a 50 (40%) lesões. Segundo a análise histopatológica, a IA foi acertada em 109 lesões (88,6%). Dos erros, 9 lesões foram caracterizadas como hiperplásicas pela IA. Conclusão A IA apresentou elevada acurácia na caracterização das lesões colorretais, se mostrou uma ferramenta auxiliar no diagnóstico em tempo real, e pode impactar na conduta. Publication History Article published online: 27 February 2024 © 2024. Sociedade Brasileira de Coloproctologia. This is an open access article published by Thieme under the terms of the Creative Commons Attribution-NonDerivative-NonCommercial License, permitting copying and reproduction so long as the original work is given appropriate credit. Contents may not be used for commecial purposes, or adapted, remixed, transformed or built upon. (https://creativecommons.org/licenses/by-nc-nd/4.0/) Thieme Revinter Publicações Ltda. Rua do Matoso 170, Rio de Janeiro, RJ, CEP 20270-135, Brazil
Zitieren
APA
Junior, M. R. F., Figueira, V. H., Obregon, C. D. A., Freitas, I. N. D., Russo, A. S., Junior, A. H. D. S. E. S., Marques, C. F. S., & Safatle-Ribeiro, A. V. (2023). ELEVADA ACURÁCIA DIAGNÓSTICA NA CARACTERIZAÇÃO DE LESÕES COLORRETAIS PELA INTELIGÊNCIA ARTIFICIAL. Journal of Coloproctology, 43(S 01 S 01), S1-S270. https://doi.org/10.1055/s-0044-1780969
Vancouver
Junior MRF, Figueira VH, Obregon CDA, Freitas IND, Russo AS, Junior AHDSES, et al. ELEVADA ACURÁCIA DIAGNÓSTICA NA CARACTERIZAÇÃO DE LESÕES COLORRETAIS PELA INTELIGÊNCIA ARTIFICIAL. Journal of Coloproctology. 2023;43(S 01 S 01):S1-S270. doi:10.1055/s-0044-1780969
BibTeX
@article{Junior2023,
author = {Junior, Marcio Roberto Facanali and Figueira, Vitor Holmo and Obregon, Carlos de Almeida and Freitas, Isabella Nicácio de and Russo, Anelise Stachewski and Junior, Afonso Henrique da Silva e Sousa and Marques, Carlos Frederico Sparapan and Safatle-Ribeiro, Adriana Vaz},
title = {ELEVADA ACURÁCIA DIAGNÓSTICA NA CARACTERIZAÇÃO DE LESÕES COLORRETAIS PELA INTELIGÊNCIA ARTIFICIAL},
journal = {Journal of Coloproctology},
year = {2023},
volume = {43},
number = {S 01 S 01},
pages = {S1--S270},
doi = {10.1055/s-0044-1780969}
}
EUVIMED