Campos E1, Pulido K1, Fluxá F2, Zepeda A3, Pronin A4, Acevedo C5. 1Ingeniero/a ++ialink. 2Gastroenterólogo endoscopista Departamento de Gastroenterología Clínica MEDS. Santiago, Chile. 3Ingeniero ++zepeda. 4Cirujano Endoscopista Unidad Endoscopia Hp. Padre Hurtado, Universidad del Desarrollo. 5Fellow endoscopia programa Universidad de Chile Hp. Barros Luco Truedeau-Clínica Las Condes, Santiago, Chile.
Introducción: El uso de la inteligencia artificial (IA) en colonoscopia posibilita evaluar diversos parámetros de su práctica diaria. Los actuales sistemas detectan y caracterizan lesiones, pero no nos permite conocer si el procedimiento se realizó adecuadamente. Objetivo: Analizar aspectos endoscópicos que nos permitan evaluar y objetivar variables de calidad en colonoscopia. Material y Método: Se entrenó un conjunto de algoritmos asociados a un sistema de IA que permita reconocer llegada a ciego, acceso a íleon, ingreso a colon (Out-in), salida de colon (In out) y reconocimiento de colon transverso. Se obtuvieron y depuraron 35.826 imágenes, con las que se entrenó arquitecturas de redes neuronales y se utilizaron 3.621 imágenes para cuantificar resultados. Resultados: El sistema reconoció correctamente Ciego: 93,78%; Íleon: 97,22%; Ascendente Descendente: 90.63%; Transverso: 96,06%; Recto: 85,26%. El sistema reconoce In-Out con un 97,07% de certeza. Para el caso de la detección del Ciego, se suma detección de orificio apendicular y pliegues con el objetivo de aumentar certeza. Conclusión: La adecuada identificación de los segmentos señalados permitirá cuantificar datos relevantes como: – Llegada efectiva a ciego. – Tiempos de llegada a ciego, retiro y exploración ascendente. – Exploración de íleon. El sistema permitirá retroalimentar en tiempo real al endoscopista sobre el cumplimiento de los criterios de calidad antes de finalizar el estudio, así como registrar en forma objetiva parámetros reconocidos en las guías de calidad.
PDF | DOI: 10.46613/congastro2022-50
XLIX Congreso Chileno de Gastroenterología – 2022