A9 IMPLEMENTATION STRATEGIES TO OPTIMIZE DIAGNOSTIC ACCURACY OF COMPUTER-ASSISTED OPTICAL POLYP DIAGNOSIS
Notice bibliographique
Résumé
Abstract Background Artificial intelligence (AI) has enabled the development of computer-aided diagnosis (CADx) systems which offer real-time endoscopic pathology prediction of colorectal polyps. However, the clinical benefit of CADx assisted optical diagnosis remains questionable due to lack of diagnostic ability improvement compared to non CADx assisted optical diagnosis. Aims This study aimed to assess diagnostic performance of a novel implementation framework in which optical diagnosis replaces pathology only if CADx and endoscopist agree on polyp diagnosis. We aimed to compare this proposed framework to non CADx assisted optical diagnosis. Methods We performed a secondary analysis of a prospective cohort undergoing optical polyp diagnosis at our center. Polyps measuring ≤5mm (diminutive) with available non CADx assisted and CADx assisted optical polyp diagnosis documentation were included in our analysis. In CADx assisted cases, first the CADx diagnostic output was documented, followed by the endoscopist’s final diagnosis after having seen the CADx diagnostic information. Only cases where the endoscopist agreed with the CADx output were retained for CADx assisted optical diagnosis. Primary outcome was the diagnostic accuracy for cases in which the endoscopist agreed with the CADx diagnostic output versus non CADx assisted OD, using pathology as a reference standard. Secondary outcomes included surveillance interval agreement, prevalence of high-confidence diagnoses, and rectosigmoid negative predictive value (NPV). Results A total of 817 polyps were included in our analysis. Endoscopists agreed with the CADx diagnostic output in 74.3% of cases. Using CADx-assisted optical diagnosis based on CADx and endoscopist diagnostic agreement, 326/439 diminutive polyps could undergo optical polyp diagnosis in the CADx assisted arm and 378/378 in the non CADx assisted OD arm. Using diagnostic agreement between endoscopist and CADx as a framework for CADx assisted optical diagnosis demonstrated superior diagnostic accuracy, 82.8% (95% CI, 78.7-86.9), compared to accuracy of non CADx assisted optical diagnosis, 76.7% (95% CI, 71.3-80.0) (p=0.0256). Conclusions Our study demonstrates that using cases with diagnostic agreement between endoscopist and CADx increases diagnostic accuracy for CADx-assisted OD implementation. Using this framework, CADx assisted OD outperforms non CADx assisted optical diagnosis. 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».