Computer-assisted optical diagnosis of colorectal polyps up to 10 mm
Notice bibliographique
Résumé
Background: Computer-aided diagnosis (CADx) of colorectal polyps during colonoscopy could replace pathology for certain polyps. This study aimed to evaluate CADx-assisted optical diagnosis for polyps of ≤10 mm in the context of established quality benchmarks. Methods: We performed a post-hoc analysis of a randomized controlled trial evaluating assistive versus autonomous computer-aided optical diagnosis. Our primary outcome was achievement of the American Society for Gastrointestinal Endoscopy PIVI1 threshold for resect-and-discard implementation when CADx was used for polyps ≤3 mm. Secondary outcomes included PIVI1 threshold achievement when using CADx with a size cutoff of ≤5 mm and ≤10 mm, as well as diagnostic performance and prevalence of advanced histology across the polyp size groups. Results: We included 313 patients with a total of 463 polyps of ≤10 mm undergoing optical diagnosis with CADx assistance. Compared with pathology-based intervals, surveillance interval agreement was 94.6% (95%CI 91.3%–96.7%), 89.5% (95%CI 85.4%–92.5%), and 85.9% (95%CI 81.5%–89.5%) when CADx was used with size cutoffs ≤3 mm, ≤5 mm, and ≤10 mm, respectively. The diagnostic accuracy of CADx-assisted optical diagnosis was 76.2%, 76.6%, and 72.5% for polyps sized ≤3 mm, >3 to ≤5 mm, and >5 to ≤10 mm, respectively. The negative predictive value for rectosigmoid adenomas was >90% for all size groups (PIVI2). The prevalence of advanced or serrated pathology was higher in polyps >3 mm, which resulted in a higher number of incorrectly assigned surveillances intervals. Conclusions: In our study, CADx-assisted optical diagnosis met the resect-and-discard PIVI1 threshold only with a size cutoff of ≤3 mm, and the diagnose-and-leave PIVI2 threshold for polyps ≤10 mm.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».