Exploring a novel voice-guided artificial intelligence platform for real-time colonoscopy documentation: a pilot study
Notice bibliographique
Résumé
Background: Accurate and consistent documentation during colonoscopy is essential for optimal patient care and therapeutic decisions. Traditional manual documentation is time-consuming and subject to variability. Artificial intelligence (AI)-assisted tools offer potential improvements by standardizing report generation in real-time. We developed a novel AI-driven, voice-guided reporting platform that uses natural language processing (NLP) and real-time image capture for endoscopy documentation. Methods: This prospective pilot study was conducted at the Centre Hospitalier de l'Université de Montréal between October 2023 and May 2024. A total of 95 patients undergoing elective endoscopy were recruited, with 57 procedures included in the final analysis. Endoscopists provided real-time verbal dictations during procedures, which the AI-assisted report generation tool transcribed and linked to captured images. The system's performance was evaluated based on documentation completeness, transcription accuracy, and user engagement. Results: The AI-assisted report generation tool successfully documented key procedural parameters when verbal annotations were provided, achieving an 87.5% detection rate for ileocecal valve identification, and 100% detection rate for procedure indication, Boston Bowel Preparation Score, withdrawal time, and polyp characterization. However, the transcription word error was 10.07%, with errors primarily in medical terminology. User engagement varied, with some procedures lacking dictated annotations. Conclusion: Our AI-assisted report generation tool demonstrates potential in standardizing colonoscopy documentation through AI-assisted, real-time NLP for generating reports. While effective, its performance depends on endoscopist engagement. Future improvements in NLP capabilities and structured reporting prompts can enhance completeness and usability, contributing to more efficient and accurate endoscopy documentation.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».