MétaCan
Menu
Retour à la cohorte
Enregistrement W4408894938 · doi:10.1055/s-0045-1805444

Artificial Intelligence and Endoscopist Diagnostic Agreement as a Framework for Colorectal Polyp Optical Diagnosis Implementation

2025· article· en· W4408894938 sur OpenAlexaff
Megan Oleksiw, Roupen Djinbachian, Daniel von Renteln

Notice bibliographique

RevueEndoscopy · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Screening and Detection
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineColonoscopyColorectal PolypEndoscopyGeneral surgeryRadiologyColorectal cancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

Aims Artificial intelligence (AI) has enabled the development of computer-aided diagnosis (CADx) systems which offer real-time endoscopic pathology prediction of colorectal polyps [ 1 ]. However, the clinical benefit of CADx assisted optical diagnosis remains questionable due to limited diagnostic improvement compared to CADx unassisted optical diagnosis [ 2 ]. This study aimed to assess diagnostic performance of a novel CADx implementation framework in which the high/low endoscopist confidence-based approach was replaced by a CADx and endoscopist agreement-based approach. Methods We performed a secondary analysis of a large prospective cohort undergoing optical polyp diagnosis at our center. Polyps measuring≤5mm (diminutive) with available CADx unassisted and CADx assisted optical polyp diagnosis documentation were included in our analysis. For CADx assisted cases, first the CADx diagnostic output was documented, followed by the endoscopist’s final diagnosis after seeing the CADx output. Only cases where endoscopist and CADx agreed on a diagnosis were retained. Primary outcome was sensitivity for adenoma diagnosis of CADx assisted optical diagnosis based on the agreement framework versus CADx unassisted optical diagnosis, using pathology results as a reference standard. Secondary outcomes included accuracy, diagnostic characteristics, and optical diagnosis surveillance interval agreement with pathology-based United States Multi-Society Task Force (USMSTF) guidelines. Results A total of 810 polyps, of which 444 and 366 underwent CADx assisted and CADx unassisted optical diagnosis respectively, were included in our analysis. In CADx assisted cases, endoscopists and CADx agreed in their diagnosis in 72.3% of cases, meaning 321/444 diminutive polyps could undergo optical diagnosis according to an agreement-based approach. Sensitivity for adenoma diagnosis using agreement-based CADx assisted optical diagnosis was 93.4% (95% CI 89.9-96.8) versus 83.8% (95% CI 77.9-89.7) for the 366 polyps undergoing CADx unassisted optical diagnosis (p=0.008). Diagnostic accuracy of agreement-based CADx assisted and CADx unassisted optical diagnosis was 82.2% (95% CI 78.0-86.3) and 74.8% (95% CI 69.5-80.0) respectively (p=0.026). Excluding cases with CADx and endoscopist disagreement from CADx assisted optical diagnosis filtered out cases with low diagnostic accuracy (123 polyps; accuracy 35.0% (95% CI 26.2-43.8)). Conclusions The CADx and endoscopist agreement framework effectively filters out cases with low diagnostic accuracy from undergoing CADx assisted optical diagnosis. Applying this framework allows endoscopists and CADx to work in synergy resulting in diagnostic performance superior to CADx unassisted OD performance. Publication History Article published online: 27 March 2025 © 2025. European Society of Gastrointestinal Endoscopy. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,021
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,003
Science ouverte0,0040,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,370
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueEndoscopyMême sujetColorectal Cancer Screening and DetectionTravaux en français237 207