Un Marco Guiado por Clínicos para IA Endoscópica: Desarrollo de PanEndoAtlas y Evaluación Comparativa de Modelos...

Área de la Ciencia:

• Inteligencia Artificial en Medicina
• Gastroenterología
• Análisis de Imágenes Médicas

Sus antecedentes:

• Los procedimientos endoscópicos son cruciales para diagnosticar y manejar enfermedades gastrointestinales (GI).
• El desarrollo actual de IA en endoscopia carece de puntos de referencia clínicos diversos a gran escala y conjuntos de datos unificados.
• La evaluación de modelos fundacionales de visión en este campo es un desafío debido a la fragmentación de datos.

Objetivo del estudio:

• Presentar PanEndoSuite, el primer ecosistema unificado para IA en endoscopia gastrointestinal.
• Establecer un punto de referencia integral para evaluar modelos de IA en endoscopia clínica.
• Desarrollar y evaluar un modelo fundacional novedoso para aplicaciones de IA endoscópica.

Principales métodos:

• Desarrollo de PanEndoSuite, que comprende PanEndoAtlas (conjunto de datos armonizado), PanEndoX (tareas de evaluación comparativa) y PanEndoFM (modelo fundacional).
• PanEndoAtlas incluye más de 420.000 imágenes etiquetadas con una taxonomía jerárquica para 111 enfermedades del tracto gastrointestinal.
• PanEndoX presenta 10 tareas clínicamente fundamentadas, y PanEndoFM se preentrena en un corpus de 10 millones de imágenes.

Principales resultados:

• PanEndoFM logró el AUC macro más alto en 6 de las 10 tareas de evaluación comparativa, demostrando una amplia generalización clínica.
• Los modelos especializados mostraron fortalezas en áreas específicas: EndoFM-LV para tareas de colon, EndoSSL para subtipificación de pólipos y ViT-B/16 para afecciones del intestino delgado.
• El estudio estableció líneas de base de rendimiento para modelos de IA en diversos desafíos de diagnóstico endoscópico.

Conclusiones:

• PanEndoSuite proporciona una base para el desarrollo de sistemas de IA robustos y generalistas en endoscopia gastrointestinal.
• El ecosistema desarrollado cierra la brecha entre las capacidades actuales de IA y las necesidades clínicas prácticas.
• Este trabajo facilita el avance de herramientas de diagnóstico y manejo impulsadas por IA en endoscopia clínica.