Position du problème
Les techniques de « resect and discard » et de « diagnose and leave » diminuent l’impact environnemental et les coûts associés aux coloscopies mais nécessitent une détection et une caractérisation fiables de l’opérateur. Les seuils de performance diagnostique fixés par l’ESGE et l’ASGE ne sont pas atteints du fait notamment d’une variabilité inter-endoscopistes. L’intelligence artificielle (IA) pourrait permettre de prédire l’histologie des polypes en diminuant cette variabilité. Cette étude a pour but d’évaluer la performance diagnostique de prédiction histologique du système CAD-EYE de FUJIFILM.
Méthode
Etude multicentrique transversale dans 5 centres Français évaluant les performances du système CAD-EYE chez des patients ayant des coloscopies de dépistage. Les prédictions histologiques de l’IA (lésions pré-néoplasique ou hyperplasique) étaient comparées aux résultats histologiques et à la performance diagnostique des endoscopistes. Le critère de jugement principal était la sensibilité du système CAD-EYE pour prédire la nature histologique des polypes et les autres critères étaient la , la performance de détection du CAD-EYE, la spécificité et les valeurs prédictives négative et positive.
Résultat
Au total, 398 polypes colorectaux ont été analysés pour 139 patients. La performance du système CAD-EYE a montré une sensibilité pour la prédiction des lésions pré-néoplasiques de 80% et une spécificité, une VPN et une VPP de 79, 64 et 90%. La spécificité était plus élevée pour les polypes rectosigmoidiens (97%). En comparaison, chez les endoscopistes réalisant l’examen sans le CAD-EYE, la sensibilité était plus élevée, de 90% (p=0,014) avec une VPN et une VPP respectivement de 77 et 87%.
Conclusion
La performance diagnostique de l’endoscopiste (dans une étude comprenant essentiellement des centres experts) est meilleure que celle de l’IA du système CAD-EYE de FUJIFILM pour prédire la nature histologique des polypes. L’intérêt de ce système est à évaluer dans des centres non experts.