P127 Optical diagnosis training to improve dysplasia characterisation in inflammatory bowel disease (OPTIC-IBD): a multicentre RCT
Notice bibliographique
Résumé
Introduction Endoscopic surveillance is performed in inflammatory bowel disease (IBD) to detect dysplasia. However, chronic inflammation alters mucosal and vascular colonic architecture, complicating lesion recognition. Optical diagnosis enhances our ability to accurately characterise IBD-associated dysplasia but such training is not readily available. We aim to fill this gap by developing and validating the new OPTIC-IBD online training platform (NCT04924543, funding GutsUK TRN2019-03). Methods We designed an interactive, self-directed, multi-modality learning module. This includes surveillance principles, optical diagnosis methods, characterisation approach, classifications (SCENIC, Kudo, FACILE), examples and self-assessments. We invited participants from Canada, Italy and UK, including novice (<100 lifetime colonoscopies), intermediate and experienced endoscopists (≥1000). Assessments comprised 24 short endoscopic videos of IBD colonic lesions, divided into 8 non-dysplastic and 16 dysplastic lesions. Participants classified lesions, predicted histology and rated their confidence. All participants completed online training and feedback. Videos were repeated in a random order after ≥7 days. Participants were then randomised 1:1 to get feedback and extra training. All had a final assessment at 60 days with prior/new videos and similar case mix. We report diagnostic performance for dysplasia, interrater reliability and rater confidence. Results We present a planned interim analysis of 77 participants after pre- and post-course assessments (table 1). Diagnostic accuracy improved (primary endpoint: 44.5 to 54.0%, P<0.0001), particularly for novice and intermediate endoscopists. Sensitivity for dysplasia increased (50.3 to 59.1%) in line with prior experience. Specificity and accuracy were most improved for high confidence diagnoses (44.9 to 70.3% and 55.0 to 64.6%). In multilevel logistic regression, training was associated with correct diagnoses for high confidence (OR 1.40, 1.13–1.77) but not low confidence ratings (OR 1.09, 0.96–1.25). Training improved precision between participants and their confidence. Conclusions The OPTIC-IBD training module improved participants’ accuracy, precision and confidence in the optical diagnosis of IBD-associated dysplasia.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».