Εισαγωγή: Η τεχνητή νοημοσύνη στην κολονοσκόπηση παρουσιάζει ολοένα και
θετικότερα αποτελέσματα σύμφωνα με μελέτες. Η προέλευση της τεχνητής
νοημοσύνης (Artificial Intelligence ή AI) εντοπίζεται στη δεκαετία του 1950. Η
συσκευή ΑΙ τεχνολογίας στην κολονοσκόπηση λειτουργεί ως διερευνητική συσκευή
ανίχνευσης, χρησιμοποιώντας λογισμικό από νευρωνικά δίκτυα για τον εντοπισμό
πιθανών πολυπόδων, αδενωμάτων σε πραγματικό χρόνο.
Σκοπός: Η συστηματική ανασκόπηση των αποτελεσμάτων της χρήσης της τεχνολογίας
τεχνητής νοημοσύνης (ΑΙ) στην κολονοσκόπηση.
Μεθοδολογία: Η παρούσα συστηματική ανασκόπηση που διεξήχθη βασίστηκε στη
μελέτη της σύχρονης επιστημονικής βιβλιογραφίας. Πραγματοποιήθηκαν αναζητήσεις
στις επιστημονικές βάσεις δεδομένων MEDLINE και Google Scholar.
Χρησιμοποιήθηκαν λέξεις κλειδιά στα ελληνικά και στα αγγλικά που βοήθησαν στον
περιορισμό των δεδομένων σε αποτελέσματα που ήταν σχετικότερα με το θέμα που
μελετήθηκε.
Αποτελέσματα: Προέκυψαν 25 μελέτες. 10 κρίθηκαν ακατάλληλες. 15 μελέτες
χρησιμοποιήθηκαν ως βιβλιογραφικές παραπομπές. Οι συσκευές τεχνολογίας
τεχνητής νοημοσύνης στην κολονοσκόπηση παρουσίασαν θετικά αποτελέσματα
σχετικά με τον εντοπισμό πολυπόδων, αδενωμάτων προλαμβάνοντας τον καρκίνο του
παχέος εντέρου. Ακόμα, αποδείχθηκε η αποτελεσματικότητά τους σχετικά με την
τεχνική τους απόδοση. Ειδικότερα, κάποιες συσκευές από αυτές φάνηκε πως είχαν την
ικανότητα να διακρίνουν τη διαφορά των υπερπλαστικών πολυπόδων και των
αδενωμάτων που έχουν την τάση να εξαλλάσσονται. Επιπλέον, οι οπτικές και ηχητικές
ειδοποιήσεις που εμφανίζονταν, φάνηκε πως μείωναν το PMR και το AMR,
ανιχνεύοντας στην πράξη περισσότερους πολύποδες και αδενώματα.
Συμπεράσματα: Προτείνεται να διεξαχθούν περισσότερες μελέτες στο μέλλον σε
συσκευές ΑΙ τεχνολογίας στην κολονοσκόπηση, με κύριο στόχο τα σημεία ανίχνευσης
άμισχων οδοντωτών αδενωμάτων. Ακόμα, να δημιουργηθούν κολονοσκόπια με
ενσωματωμένη ΑΙ τεχνολογία από νέους κατασκευαστές. Επιπλέον, προτείνεται να
γίνονται συχνοί έλεγχοι και ενημερώσεις των συστημάτων ΑΙ τεχνολογίας και να
αναπτυχθούν νέα πρότυπα λειτουργίας για τις κολονοσκοπήσεις τεχνητής νοημοσύνης.
Επίσης, να εισαχθεί περισσότερο εκπαιδευτικό υλικό στην πλατφόρμα βάσης
δεδομένων του συστήματος της ΑΙ τεχνολογίας, ώστε να υπάρχει πλουσιότερο υλικό
για τους νέους ενδοσκόπους και να μπορούν να εκπαιδευθούν κατάλληλα μέσω αυτού
του συστήματος στην κολονοσκόπηση.
(EL)
Introduction: Artificial Intelligence in colonoscopy shows increasingly positive results
according to studies. The origin of Artificial Intelligence (AI) can be traced back to the
1950s. The AI technology device in colonoscopy works as an investigative detection
device, using neural network software to detect possible polyps, adenomas in real time.
Objectives: To systematically review the results of the use of artificial intelligence (AI)
technology in colonoscopy.
Methods: This systematic review was based on the study of modern scientific
literature. MEDLINE and Google Scholar scientific databases were searched. Key
words in Greek and English were used which helped to limit the data to results that
were more relevant to the topic studied.
Results: 25 studies were identified. 10 were deemed unsuitable. 15 studies were used
as references. Artificial intelligence technology devices in colonoscopy showed
positive results regarding the detection of polyps, adenomas preventing colon cancer.
Also, their effectiveness was proven in terms of their technical performance. In
particular, some of these devices appeared to be able to tell the difference between
hyperplastic polyps and adenomas that tend to metastasize. In addition, the visual and
audio alerts that appeared, reduced PMR and AMR, while detecting more polyps and
adenomas.
Conclusions: It is suggested that more studies should be conducted in the future on AI
technology devices in colonoscopy, with the main objective of sessile serrated adenoma
(SSL) detection points. Also, there should be more colonoscopes with integrated AI
technology from new manufacturers. In addition, it is recommended that AI technology
systems should be regularly reviewed and updated and that new operating standards for
AI colonoscopies should be developed. Also, introduce more educational material into
the database platform of the AI technology system so that there is richer material for
new endoscopists so they can be properly trained with this system during colonoscopy.
(EN)
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
