EAGLE Deneme Doğrulaması: Yapay Zeka Destekli Kolonoskopi Sistemlerinin Etkinliği ve Klinik Çeviri Değeri

Olympus, kolorektal lezyonların klinik tespitinde CADDIE™ bulut tabanlı bilgisayar destekli tespit (CADe) çözümünün temel değerini doğrulayan EAGLE Denemesinin araştırma sonuçlarını resmi olarak yayınladı. Bu yapay zeka çözümünün gerçek zamanlı ve verimli analitik kapasitesi, Olympus'un özel minyatür endoskop kamera modüllerinin yüksek kaliteli görüntüleme performansıyla destekleniyor. Hem FDA onayını hem de CE işaretini alan, kolonoskopi sırasında gerçek zamanlı polip tespiti için ilk bulut tabanlı CADe uygulaması olan CADDIE™, aynı zamanda Olympus'un OLYSENSE™ Akıllı Endoskopi Ekosistemi'nin uygulanan ilk çözümüdür. Klinik etkinliğinin gerçekleşmesi, endoskop kamera modüllerinin görüntüleme hassasiyeti ile derin bir teknik sinerji oluşturur.

EAGLE Çalışması, dört Avrupa ülkesindeki sekiz klinik merkezde yürütülen çok merkezli, randomize kontrollü bir çalışmadır. Kolorektal tarama ve gözleme tabi tutulan 841 denek ve 22 endoskopist temel analize dahil edildi ve denekler rastgele standart kolonoskopi grubuna veya CADDIE™ destekli gruba atandı. İlgili araştırma sonuçları npj Digital Medicine'de yayınlandı. Denemenin temel tasarımı, klinik olarak yüksek riskli ve tespit edilmesi zor kolorektal lezyonlara odaklanıyor; bunların görsel olarak tanımlanması ilk olarak bağırsak yolunun ince mukozal özelliklerinin endoskop kamera modülleri tarafından net bir şekilde yakalanmasına dayanıyor. Bu donanım temeli, yapay zeka algoritmalarının hassas analizi için yeri doldurulamaz bir görsel veri desteği sağlar.

Temel deneme verileri, görüntüleme donanımı ve yapay zeka algoritmalarının sinerjik değerini doğruladı: standart kolonoskopiyle karşılaştırıldığında, CADDIE™ destekli inceleme, adenom saptama oranında (ADR) mutlak %7,3'lük bir artış elde etti. Büyük adenomlar (>10 mm), poliploid olmayan adenomlar ve sapsız tırtıklı lezyonlar (SSL'ler) dahil olmak üzere tespit edilmesi zor alt tipler için göreceli tespit oranları, süreç boyunca klinik operasyonların güvenliğine ve iş akışına müdahale etmeden sırasıyla %93, %57 ve %230 arttı. CADDIE™ algoritması, klinik olarak ilgili lezyonlarla zenginleştirilmiş bir veri seti üzerinde özel olarak eğitilmiştir ve endoskop kamera modülleriyle teknik uyumluluğu, görüntü alımının ve gerçek zamanlı yapay zeka analizinin senkronizasyonunu sağlayarak bulut tabanlı yapay zekanın klinik uygulamasını teknik olarak mümkün kılar.

Bulut mimarisi dağıtımı, endoskop kamera modüllerinin standartlaştırılmış görüntüleme çıktısını tamamlayan çözümün bir başka temel avantajı haline geldi: CADDIE™, yalnızca tıbbi kurumların yerel donanıma bağımlılığını azaltmakla kalmayıp aboneliğe dayalı bir satın alma modelini mümkün kılan, endüstri standardı güvenlik kontrolleriyle uyumlu bir bulut mimarisiyle donatılmıştır, aynı zamanda endoskop kamera modüllerinin teknolojik olarak yükseltilmesi ve yapay zeka algoritmalarının standartlaştırılmış görüntüleme verileri etkileşimi yoluyla yinelemeli optimizasyonu için birleşik bir veri platformu oluşturur. Bu model aynı zamanda gelişmiş yapay zeka tespit araçlarının klinik erişilebilirliğini de önemli ölçüde artırır.

Sektör uzmanları bu teknoloji entegrasyon modelini oldukça takdir etti. EAGLE Denemesinin baş araştırmacısı, bulut dağıtımının yapay zeka endoskopisinin donanım engellerini aştığını, yüksek çözünürlüklü ve yüksek kaliteli endoskop kamera modüllerinin ise yapay zeka inovasyonunun klinik uygulaması için temel taşıyıcıyı sağladığını belirtti. Bu ikisinin kombinasyonu, yüksek riskli kolorektal kanser lezyonlarının tespit verimliliğinin arttırılmasında anahtar haline gelmiştir. Olympus yöneticileri, deneme sonuçlarının CADDIE™'nin klinikte yaygınlaştırılması için kanıta dayalı destek sağladığını ve ayrıca tıbbi endoskop kamera modüllerinin Ar-Ge'si için akıllı algoritmalarla derinlemesine entegrasyonun yönüne işaret ederek görüntüleme donanımı ve yapay zeka algoritmalarının işbirlikçi tasarımının klinik değerini doğruladığını belirtti.

CADDIE™'nin yalnızca klinik yardımcı tespit aracı olarak kullanıldığı ve endoskopistlerin profesyonel teşhis kararının yerine geçmediği açıklığa kavuşturulmalıdır. Ayrıca çözüm, standart beyaz ışıklı endoskop kamera modüllerinden gelen görüntüleme verilerinin analiziyle sınırlıdır. Bu uyumluluk sınırı aynı zamanda tıbbi endoskop kamera modüllerinin standartlaştırılmış Ar-Ge'si için klinik bir referans sağlar.

Genel olarak, EAGLE Denemesinin sonuçları yalnızca sindirim endoskopisi alanında bulut tabanlı yapay zekanın klinik değerini doğrulamakla kalmıyor, aynı zamanda akıllı endoskopi ekosisteminin temel donanımı olarak endoskop kamera modüllerinin temel rolünü de vurguluyor. OLYSENSE™ Ekosistemi aracılığıyla görüntüleme donanımı ve yapay zeka yazılımının entegre düzeni sayesinde Olympus, tıbbi endoskop kamera modülü AR-GE'si ve tıbbi ekipman tedariki ile uğraşan denizaşırı müşterilerine hem klinik değere hem de teknik fizibiliteye sahip entegre bir çözüm sunar ve ayrıca tıbbi görüntüleme ekipmanının akıllı şekilde yükseltilmesi için tekrarlanabilir bir teknik yol sunar.