TL 701 ENDOSCOPISTAS EXPERTOS VS. INTELIGENCIA ARTIFICIAL (IA) EN LA EVALUACIÓN DE ESTENOSIS BILIARES INDETERMINADAS EN COLANGIOSCOPIA: UN ENSAYO CLÍNICO MULTICÉNTRICO, CONTROLADO, CIEGO Y ANIDADO
Notice bibliographique
Résumé
Introducción: Los hallazgos de la colangioscopia digital de un solo operador (DSOC) logran alta precisión en el diagnóstico de lesiones neoplásicas de la vía biliar (N).Sin embargo, los acuerdos intra e interobservador de los endoscopistas varía ampliamente.Objetivo: Validar clínicamente un nuevo modelo de IA comparándolo con endoscopistas expertos.Métodos: Ensayo diagnóstico multicéntrico.Cuatro endoscopistas expertos, ciegos a la clínica, observaron y clasificaron vídeos de lesios biliares N vs. no neoplásicas (NN), basados en los criterios de Robles-Medranda et al y Mendoza.Esto fue comparado con la IA, también ciega a los vídeos.El patrón oro fue el seguimiento clínico a un año.Se estimó un n = 170, con una proporción N vs. NN 50:50.NCT05147389.Resultados: Se analizaron 170 videos de 170 pctes, de 4 centros y 4 países.La IA obtuvo una sensibilidad > 90%, especificidad > 60%, VPP > 70% y VPN > 85%.La precisión de la IA es comparable e incluso podría ser estadísticamente superior a la de un endoscopista experto (tabla 1).Conclusión: En nuestro conocimiento, actualmente este es el estudio con el mayor número de casos de DSOC analizados por IA a nivel mundial, además del único en donde se compara la IA vs. endoscopistas expertos.El modelo de IA propuesto reconoció con precisión entre las N vs. NN al mismo nivel de los expertos e incluso podría superarlos significativamente
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 | 0,013 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».