Endoscopist sentiments on artificial intelligence in endoscopy: A Large-scale intercontinental opinion survey
Notice bibliographique
Résumé
Aims In recent years, there has been rapid development of AI devices in endoscopy. Little is however known about endoscopist perception regarding AI in clinical practice. The aim of this study was to undertake an international endoscopist opinion survey on behalf of the World Endoscopy Organization AI committee about the use of artificial intelligence. Methods A prospective questionnaire study was conducted as part of the World Endoscopy Organization AI committee activities. The committee developed 23 statements on the use of AI in endoscopy which were distributed to endoscopists using an online survey platform. Endoscopists responded to each of the statements by using a 5-point Likert-scale, ranging from strongly disagree (1) to strongly agree (5). Results In total, 465 endoscopists completed the survey (from 83 countries). The endoscopists background was general (36%), specialist interventional (55%) and trainee (9%). 39% had experience of using AI in clinical practice. The majority believed that AI would improve endoscopy quality (90%), efficiency (87%) and patient outcomes (86%). Most thought that CADe would help detect clinically relevant polyps (86%) and upper GI neoplasia (87%). 68% felt more comfortable leaving in a diminutive rectosigmoid polyp with CADx assistance. Financial re-imbursement was considered important (72%) and most were concerned about medical liability (47%), with a mixed view on accountability (endoscopist 57%, manufacturer 22% and hospital 8%). Potential de-skilling was a concern (37%). A small majority felt that AI would lead to unnecessary resections and biopsies in the upper and lower GI tract, and also lengthen procedure times. Overall, the majority would use upper GI CADe (90%), lower GI CADe (83%) and CADx (87%) when available. Conclusions In this international endoscopist survey, participants strongly believed that AI would improve endoscopy quality and outcomes. Financial re-imbursement, concerns about medical liability and potential de-skilling are important issues. A small majority felt that AI would lead to unnecessary resections and increase procedure times. Overall, the vast majority would use AI when available. Publication History Article published online: 15 April 2024 © 2024. European Society of Gastrointestinal Endoscopy. All rights reserved. Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».