| Abstract | Kolorektalni karcinom (CRC) jedan je od tri najčešća karcinoma u muškaraca i žena. Unatoč visokoj smrtnosti, uglavnom pripisivoj kasnom otkrivanju, CRC je u ranim stadijima visoko izliječiv. Rano otkrivanje i liječenje CRC-a moguće je uz pomoć adekvatnih mjera probira, kvalitetnih kolonoskopija i endoskopske resekcije sumnjivih polipa. Pojedine vrste kolorektalnih polipa mogu biti prekursori CRC-a. Radi se o sekvenci adenom-karcinom ili pretvorbi iz nazubljene lezije. U svrhu boljeg prepoznavanja i procjene kolorektalnih polipa primjerenih za resekciju, osmišljeni su razni klasifikacijski sustavi temeljeni na endoskopski vidljivoj površini polipa i morfologiji polipa te njihovim histološkim karakteristikama. Dva su razloga mogućeg previđanja polipa pri kolonoskopiji: 1) polip se nalazi van vidnog polja endoskopa, 2) ljudska pogreška, odnosno ne uočavanje polipa koji je u vidnom polju endoskopa. Ljudsku pogrešku može nadoknaditi iskustvo ili prisustvo drugog promatrača koji raspolaže adekvatnim iskustvom i stručnošću. Obje uloge može ispuniti umjetna inteligencija (AI) u obliku AI-potpomognutih sustava za detektiranje i klasifikaciju polipa koji se sve više nalaze u primjeni. Ti AI sustavi, poznati pod nazivima računalno potpomognuto otkrivanje (CADe) i računalno potpomognuta dijagnostika (CADx) temelje se na principu dubokog učenja, odnosno konvolucijske neuronske mreže (CNN). Unazad zadnjih nekoliko godina provedene su brojne studije koje ispituju kvalitetu kolonoskopije potpomognute umjetnom inteligencijom, a koje se koriste raznim indikatorima kvalitete kolonoskopije od kojih je najznačajnija stopa otkrivanja adenoma (ADR). Umjetna inteligencija neće zamijeniti liječnike, već ima potencijal poboljšati njihovu učinkovitost pomažući u otkrivanju lezija, smanjujući vrijeme postupka i pružajući povratne informacije o kvaliteti endoskopije u stvarnom vremenu. |
| Abstract (english) | Colorectal cancer (CRC) is one of the three most common cancers in both men and women. Despite its high mortality, mainly due to late detection, CRC is highly curable in early stages. Early detection and treatment of CRC can be achieved through adequate screening measures, high-quality colonoscopies, and endoscopic resection of suspicious polyps. Certain types of colorectal polyps can serve as precursors to CRC, such as the adenoma-carcinoma sequence or the transformation of serrated lesions. Various classification systems based on the endoscopically visible surface, polyp morphology, and histological characteristics have been designed to improve the recognition and assessment of polyps suitable for resection. There are two reasons for potential polyp miss during colonoscopy: 1) the polyp is located outside the endoscope's field of view, and 2) human error, i.e., failure to detect a polyp within the endoscope's field of view. Human error can be compensated for by experience or the presence of another observer with adequate expertise. Both roles can be fulfilled by artificial intelligence (AI) in the form of AI-assisted polyp detection and classification systems, which are increasingly being used. These AI systems, known as computer-aided detection (CADe) and computer-aided diagnosis (CADx), are based on deep learning principles, specifically convolutional neural networks (CNN). Numerous studies have been conducted in recent years to assess the quality of AI-assisted colonoscopy, using various quality indicators, with the adenoma detection rate (ADR) being the most significant. Artificial intelligence will not replace doctors but has the potential to enhance their performance by assisting in lesion detection, reducing procedure time, and providing real-time feedback on endoscopy quality. |
