A125 DIAGNOSTIC ACCURACY OF ARTIFICIAL INTELLIGENCE IN THE DIAGNOSIS OF INTESTINAL METAPLASIA AND DYSPLASIA IN PATIENTS WITH BARRETT'S ESOPHAGUS: A DIAGNOSTIC TEST ACCURACY META-ANALYSIS
Notice bibliographique
Résumé
Abstract Background Diagnosing dysplasia in patients with Barrett’s Esophagus is crucial in preventing esophageal cancer but challenging in clinical practice. Artificial Intelligence (AI) could potentially be utilized during endoscopy to provide better diagnostic accuracy. Aims The primary aim of this systematic review is to determine the diagnostic accuracy of AI in detecting intestinal metaplasia and dysplasia in adults with Barrett's esophagus using gastroscopy images. Methods A comprehensive electronic search was conducted of cross-sectional studies examining the accuracy of AI in diagnosing intestinal metaplasia or dysplasia using endoscopic images. Study selection, data extraction and quality assessment were completed by two authors independently. When a study used several models, the model with the highest sensitivity was used in meta-analysis. The Quality Assessment of Diagnostic Accuracy (QUADAS-2) tool was used to assess risk of bias and applicability. Meta-analysis was performed using a bivariate model to obtain summary estimates of sensitivity, specificity, and diagnostic odds ratio. Results Of the 1479 articles reviewed, 23 were included. The diagnosis of dysplasia by AI per endoscopic image obtained had a sensitivity of 0.92 (CI 0.85-0.96), specificity of 0.84 (CI 0.78-0.88) and diagnostic odds ratio (DOR) of 59 (CI 22-161). The diagnosis of dysplasia in volumetric laser endomicroscopy images interpreted by AI had an overall sensitivity of 0.83 (CI 0.70-0.91), specificity of 0.77 (0.67-0.85) and a DOR of 16 (CI 2-30). Subgroup analysis did not show a statistically significant difference when comparing studies conducted in Europe to those outside of Europe or studies published before 2020 to those published after 2020. A sensitivity analysis by removing the largest studies did not change the overall accuracy of AI. Conclusions AI algorithms seem to be accurate at detecting the presence of intestinal metaplasia and dysplasia. Further research into using artificial intelligence should be carried out to evaluate its use in combination with endoscopist’s opinion as a clinical decision-making tool to target areas of dysplasia for biopsies. Funding Agencies None
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 | 0,039 | 0,118 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,014 | 0,067 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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 ».