Een Ierse studie toont aan dat AI veelbelovend is om histologische remissie van colitis ulcerosa vast te stellen; het presteert net zo goed als pathologen. Grote gestandaardiseerde studies zijn nu nodig om de implementatie van AI in de klinische praktijk te stimuleren, stellen Puga-Tejada en collega’s.
Het bereiken van histologische remissie is een belangrijk behandeldoel bij colitis ulcerosa (CU), maar helaas is het niet makkelijk vast te stellen. Hierbij spelen verschillende factoren een rol, zoals een hoge inter- en intraobserver variabiliteit, vertrouwen op experts en gebrek aan standaardisatie.
Onderzoekers uit Cork (Ierland) wilden uitzoeken of toepassing van kunstmatige intelligentie (AI) deze problemen kan verhelpen. Ze voerden een systematische review uit, waarvoor ze de databases Medline/PubMed en Scopus doorzochten. Ze vonden 12 studies waarin AI-modellen werden gebruikt om de histologische activiteit van CU te bepalen (met en zonder vergelijkingsgroep van pathologen). Vervolgens berekenden ze gepoolde maten van diagnostische accuraatheid. De AI-modellen presteerden goed, met een sensitiviteit van 0,84 (95%-BI 0,80-0,88), specificiteit van 0,87 (0,84-0,91), positief voorspellende waarde (PVV) van 0,90 (0,87-0,92), negatief voorspellende waarde (NPV) van 0,80 (0,71-0,88), werkelijke overeenkomst (observed agreement) van 0,85 (0,82-0,89) en een F1-score van 0,85 (0,82-0,89).
In een paarsgewijze meta-analyse vergeleken ze de beoordeling van AI-modellen met die van pathologen. Er bleken geen statistisch significante verschillen te zijn tussen AI en pathologen wat betreft de specificiteit, observed agreement en de F1-score. Als het aankwam op de sensitiviteit en de NPV, presteerden pathologen echter beter. Bovendien bleek uit een extra analyse dat AI-modellen voor de volwassen patiëntenpopulatie samenhingen met een lagere heterogeniteit en een hogere performance.
Bron: