Ověření zkušební verze EAGLE: Účinnost a klinická hodnota překladu systémů kolonoskopie s asistovanou umělou inteligencí

Olympus oficiálně zveřejnil výsledky výzkumu EAGLE Trial, který potvrdil základní hodnotu svého cloudového řešení CADDIE™ počítačové detekce (CADe) při klinické detekci kolorektálních lézí. Efektivní analytická schopnost tohoto řešení AI v reálném čase je podpořena vysoce věrným zobrazovacím výkonem vyhrazených miniaturních modulů endoskopických kamer Olympus. Jako první cloudová aplikace CADe pro detekci polypů v reálném čase během kolonoskopie, která získala povolení FDA i označení CE, je CADDIE™ také prvním implementovaným řešením inteligentního endoskopického ekosystému OLYSENSE™ společnosti Olympus. Realizace jeho klinické účinnosti tvoří hlubokou technickou synergii s přesností zobrazování modulů endoskopických kamer.

EAGLE Trial je multicentrická randomizovaná kontrolovaná studie prováděná v osmi klinických centrech ve čtyřech evropských zemích. Do základní analýzy bylo zahrnuto 841 subjektů podstupujících kolorektální screening a sledování spolu s 22 endoskopisty a subjekty byly náhodně rozděleny do standardní kolonoskopické skupiny nebo do skupiny asistované CADDIE™. Relevantní výsledky výzkumu byly publikovány v npj Digital Medicine. Základní design studie se zaměřuje na klinicky vysoce rizikové a těžko detekovatelné kolorektální léze, jejichž vizuální identifikace se nejprve opírá o jasné zachycení jemných slizničních rysů střevního traktu moduly endoskopické kamery. Tento hardwarový základ poskytuje nenahraditelnou podporu vizuálních dat pro přesnou analýzu algoritmů AI.

Data základní studie potvrdila synergickou hodnotu zobrazovacího hardwaru a algoritmů AI: ve srovnání se standardní kolonoskopií dosáhlo asistované vyšetření CADDIE™ absolutního 7,3% zvýšení míry detekce adenomu (ADR). U obtížně detekovatelných podtypů včetně velkých adenomů (>10 mm), nepolyploidních adenomů a přisedlých vroubkovaných lézí (SSLs) se relativní míry detekce zvýšily o 93 %, 57 % a 230 %, aniž by to narušilo bezpečnost a pracovní tok klinických operací v průběhu celého procesu. Algoritmus CADDIE™ je speciálně trénován na datovém souboru obohaceném o takové klinicky relevantní léze a jeho technická kompatibilita s moduly endoskopických kamer zajišťuje synchronizaci pořizování snímků a analýzu AI v reálném čase, díky čemuž je klinická implementace cloudové umělé inteligence technicky proveditelná.

Nasazení cloudové architektury se stalo další hlavní výhodou řešení, které doplňuje standardizovaný zobrazovací výstup modulů endoskopických kamer: CADDIE™ je vybaven cloudovou architekturou vyhovující průmyslovým standardním bezpečnostním kontrolám, což nejen snižuje závislost lékařských institucí na místním hardwaru a umožňuje model nákupu na základě předplatného, ​​ale také vytváří jednotnou datovou platformu pro technologický upgrade standardních modulů pro endoskopické kamery a AI zobrazení. Tento model také výrazně zlepšuje klinickou dostupnost pokročilých nástrojů detekce AI.

Odborníci z oboru tento model technologické integrace vysoce uznávají. Hlavní řešitel EAGLE Trial poukázal na to, že cloudové nasazení bourá hardwarové bariéry endoskopie AI, zatímco moduly endoskopických kamer s vysokým rozlišením a vysokou věrností poskytují základní nosič pro klinickou implementaci inovace AI. Kombinace těchto dvou se stala klíčem ke zlepšení účinnosti detekce vysoce rizikových lézí kolorektálního karcinomu. Vedení společnosti Olympus uvedlo, že výsledky studie poskytují podporu pro klinickou popularizaci CADDIE™ založenou na důkazech a také ověřují klinickou hodnotu společného návrhu zobrazovacího hardwaru a algoritmů AI a poukazují na směr hloubkové integrace s inteligentními algoritmy pro výzkum a vývoj modulů lékařských endoskopických kamer.

Mělo by být vyjasněno, že CADDIE™ se používá pouze jako klinický pomocný detekční nástroj a nenahrazuje profesionální diagnostický úsudek endoskopistů. Kromě toho je řešení omezeno na analýzu zobrazovacích dat ze standardních modulů endoskopických kamer s bílým světlem. Tato hranice kompatibility také poskytuje klinickou referenci pro standardizovaný výzkum a vývoj modulů lékařských endoskopických kamer.

Celkově výsledky studie EAGLE nejen potvrzují klinickou hodnotu cloudové umělé inteligence v oblasti digestivní endoskopie, ale také zdůrazňují základní roli modulů endoskopických kamer jako základního hardwaru inteligentního endoskopického ekosystému. Prostřednictvím integrovaného uspořádání zobrazovacího hardwaru a softwaru AI prostřednictvím ekosystému OLYSENSE™ poskytuje Olympus zahraničním zákazníkům zabývajícím se výzkumem a vývojem modulů lékařských endoskopických kamer a nákupem lékařského vybavení integrované řešení s klinickou hodnotou i technickou proveditelností a také nabízí replikovatelnou technickou cestu pro inteligentní modernizaci lékařského zobrazovacího zařízení.