High Accuracy and Effectiveness With Deep Neural Networks and Artificial Intelligence in Detection of Early Esophageal Neoplasia in Barrett’s Esophagus

High Accuracy and Effectiveness With Deep Neural Networks and Artificial Intelligence in Detection of Early Esophageal Neoplasia in Barrett’s Esophagus (Alta precisión y eficacia con redes neurales profundas e inteligencia artificial en la detección de neoplasias esofágicas tempranas en el esófago de Barrett)

Hashimoto, Rintaro MD; El Hage Chehade, Nabil MD; Chang, Kenneth J. MD, FACG; Dao, Tyler; Ninh, Andrew; Requa, Santiago; Karnes, William MD; Samarasena, Jason MD, FACG. / The American Journal of Gastroenterology, octubre de 2019 – Volumen 114 – Edición – p S224-S225. DOI: 10.14309/01.ajg.0000591068.35597.2b

RESUMEN

Hashimoto y colaboradores recolectaron 800 imágenes de 65 pacientes que presentaron diagnóstico de esófago de Barrett con displasia de alto grado o cáncer T1 (confirmado histológicamente), a este grupo se denominó “Grupo de displasia” y recolectaron un segundo “Grupo control” con más de 800 imágenes con esófago de Barrett sin displasia, confirmado por histología y endomicroscopía confocal. 

Con las imágenes recolectadas se entregó un algoritmo en ImageNet y luego se ajustó con el objetivo de proporcionar la clasificación binaria correcta: “Displásico” (1) o “No displásico” (0). Luego se realiza una optimización estocástica de una función de pérdida de entropía cruzada binaria para producir un valor de probabilidad entre 0 y 1. Además, desarrollaron un algoritmo de detección de objetos que dibuja cuadros de localización en tiempo real alrededor de regiones clasificadas como displasia. Se realizaron pruebas para imágenes de enfoque cercano e imágenes de enfoque lejano, tanto con luz blanca e imágenes NBI. 

El estudio concluye que el modelo de inteligencia artificial desarrollado pudo detectar neoplasia esofágica temprana en imágenes de esófago de Barrett con un 93,7% de precisión. Además, el algoritmo de detección de objetos pudo dibujar un cuadro de localización alrededor de las áreas de displasia con alta precisión.

COMENTARIO:

“El desarrollo del modelo de inteligencia artificial que se valida en este estudio es una herramienta de gran valor para el endoscopista, tanto entrenado, como en entrenamiento, dado que se convierte en una herramienta para la confirmación del sitio donde se debe dirigir la biopsia y eventualmente donde se puede realizar la terapéutica dirigida de manera temprana y más eficiente. Por ende, se debe considerar este desarrollo como un ejemplo para implementar la inteligencia artificial en otros campos de la endoscopía, y finalmente es válido considerar un estudio multicéntrico que proporcione mayor validación al estudio presentado”, Dr. Carlos Cifuentes, editor asociado en esófago, colon y estómago.