EAGLE-prøvevalidering: effektivitet og klinisk translasjonsverdi av AI-assisterte koloskopisystemer

Olympus offentliggjorde offisielt forskningsresultatene fra EAGLE Trial, som validerte kjerneverdien til CADDIE™-skybaserte datastøttet deteksjonsløsning (CADe) i klinisk påvisning av kolorektale lesjoner. Sanntids- og effektiv analytisk evne til denne AI-løsningen er underbygget av høyfidelitetsavbildningsytelsen til Olympus' dedikerte miniatyrendoskopkameramoduler. Som den første skybaserte CADe-applikasjonen for sanntids polyppdeteksjon under koloskopi som mottar både FDA-godkjenning og CE-merking, er CADDIE™ også den første implementerte løsningen av Olympus' OLYSENSE™ Intelligent Endoscopy Ecosystem. Realiseringen av dens kliniske effektivitet danner en dyp teknisk synergi med bildepresisjonen til endoskopkameramoduler.

EAGLE Trial er en randomisert kontrollert multisenterstudie utført ved åtte kliniske sentre i fire europeiske land. 841 personer som gjennomgikk kolorektal screening og overvåking, sammen med 22 endoskopister, ble inkludert i kjerneanalysen, og forsøkspersonene ble tilfeldig tildelt standard koloskopigruppen eller CADDIE™-assistert gruppe. Relevante forskningsresultater er publisert i npj Digital Medicine. Kjernedesignet til studien fokuserer på klinisk høyrisiko og vanskelig å oppdage kolorektale lesjoner, hvis visuelle identifikasjon først er avhengig av tydelig fangst av subtile slimhinnetrekk i tarmkanalen ved hjelp av endoskopkameramoduler. Dette maskinvaregrunnlaget gir en uerstattelig visuell datastøtte for nøyaktig analyse av AI-algoritmer.

Kjerneforsøksdataene bekreftet den synergetiske verdien av bildebehandlingsmaskinvare og AI-algoritmer: sammenlignet med standard koloskopi, oppnådde CADDIE™-assistert undersøkelse en absolutt 7,3 % økning i adenomdeteksjonsraten (ADR). For vanskelige å oppdage undertyper inkludert store adenomer (>10 mm), ikke-polyploide adenomer og sessile serrated lesjoner (SSL), økte de relative deteksjonsratene med henholdsvis 93 %, 57 % og 230 %, uten å forstyrre sikkerheten og arbeidsflyten til kliniske operasjoner gjennom hele prosessen. CADDIE™-algoritmen er spesifikt trent på et datasett beriket med slike klinisk relevante lesjoner, og dens tekniske kompatibilitet med endoskopkameramoduler sikrer synkronisering av bildeinnsamling og sanntids AI-analyse, noe som gjør den kliniske implementeringen av skybasert AI teknisk mulig.

Implementering av skyarkitektur har blitt en annen kjernefordel med løsningen, som utfyller den standardiserte bildeutgangen til endoskopkameramoduler: CADDIE™ er utstyrt med en skyarkitektur som er kompatibel med industristandard sikkerhetskontroller, som ikke bare reduserer medisinske institusjoners avhengighet av lokal maskinvare og muliggjør en abonnementsbasert anskaffelsesmodell, men også bygger en uenifisert data- og oppgraderingsplattform for en teknologisk kamera. iterativ optimalisering av AI-algoritmer gjennom standardisert interaksjon med bildedata. Denne modellen forbedrer også den kliniske tilgjengeligheten til avanserte AI-deteksjonsverktøy betydelig.

Bransjeeksperter har høyt anerkjent denne teknologiintegrasjonsmodellen. Hovedetterforskeren av EAGLE-prøven påpekte at skydistribusjon bryter maskinvarebarrierene for AI-endoskopi, mens høyoppløsnings- og high-fidelity-endoskopkameramoduler utgjør kjernebæreren for den kliniske implementeringen av AI-innovasjon. Kombinasjonen av de to har blitt nøkkelen til å forbedre deteksjonseffektiviteten til høyrisiko kolorektale kreftlesjoner. Olympus-ledere uttalte at prøveresultatene gir evidensbasert støtte for den kliniske populariseringen av CADDIE™, og verifiserer også den kliniske verdien av samarbeidsdesignet av bildebehandlingsmaskinvare og AI-algoritmer, og peker på retningen for dybdeintegrasjon med intelligente algoritmer for FoU av medisinske endoskopkameramoduler.

Det bør presiseres at CADDIE™ kun brukes som et klinisk hjelpedeteksjonsverktøy og ikke erstatter den profesjonelle diagnostiske vurderingen til endoskopister. I tillegg er løsningen begrenset til analyse av bildedata fra standard endoskopkameramoduler med hvitt lys. Denne kompatibilitetsgrensen gir også en klinisk referanse for standardisert FoU av medisinske endoskopkameramoduler.

Samlet sett bekrefter resultatene av EAGLE-studien ikke bare den kliniske verdien av skybasert AI innen fordøyelsesendoskopi, men fremhever også den underliggende rollen til endoskopkameramoduler som kjernemaskinvaren til det intelligente endoskopi-økosystemet. Gjennom den integrerte utformingen av bildebehandlingsmaskinvare og AI-programvare via OLYSENSE™ Ecosystem, gir Olympus utenlandske kunder engasjert i medisinsk endoskopkameramodul FoU og anskaffelse av medisinsk utstyr en integrert løsning med både klinisk verdi og teknisk gjennomførbarhet, og tilbyr også en replikerbar teknisk vei for intelligent oppgradering av medisinsk bildebehandlingsutstyr.