Detección automática de pólipos colorrectales con técnicas de inteligencia artificial

Palabras clave: Colonoscopia, cáncer colorrectal, pólipos, detección, inteligencia artificial

Resumen

El cáncer colorrectal (CCR) es uno de los tumores malignos con mayor prevalencia en Colombia y el mundo. Estas neoplasias se originan en lesiones adenomatosas o pólipos que deben resecarse para prevenir la enfermedad, lo cual se puede realizar con una colonoscopia. Se ha reportado que durante una colonoscopia se detectan pólipos en el 40 % de los hombres y en el 30 % de las mujeres (hiperplásicos, adenomatosos, serrados, entre otros), y, en promedio, un 25 % de pólipos adenomatosos (principal indicador de calidad en colonoscopia). Sin embargo, estas lesiones no son fáciles de observar por la multiplicidad de puntos ciegos en el colon y por el error humano asociado con el examen. Diferentes investigaciones han reportado que alrededor del 25 % de pólipos colorrectales no son detectados o se pasan por alto durante la colonoscopia y, como consecuencia, el paciente puede tener un cáncer de intervalo. Estas cifras muestran la necesidad de contar con un segundo observador (sistema de inteligencia artificial) que reduzca al mínimo la posibilidad de no detectar estos pólipos y, de este modo, sea posible prevenir al máximo el cáncer de colon.

Objetivo: crear un método computacional para la detección automática de pólipos colorrectales usando inteligencia artificial en videos grabados de procedimientos reales de colonoscopia.

Metodología: se usaron bases de datos públicas con pólipos colorrectales y una colección de datos construida en un Hospital Universitario. Inicialmente, se normalizan todos los cuadros de los videos para disminuir la alta variabilidad entre bases de datos. Posteriormente, la tarea de detección de pólipos se hace con un método de aprendizaje profundo usando una red neuronal convolucional. Esta red se inicia con pesos aprendidos en millones de imágenes naturales de la base de datos ImageNet. Los pesos de la red se actualizan usando imágenes de colonoscopia, siguiendo la técnica de ajuste fino. Finalmente, la detección de pólipos se realiza asignando a cada cuadro una probabilidad de contener un pólipo y determinando el umbral que define cuando el pólipo se encuentra presente en un cuadro.

Resultados: este enfoque fue entrenado y evaluado con 1875 casos recopilados de 5 bases de datos públicas y de la construida en el hospital universitario, que suman aproximadamente 123 046 cuadros. Los resultados obtenidos se compararon con las marcaciones de diferentes expertos en colonoscopia y se obtuvo 0,77 de exactitud, 0,89 de sensibilidad, 0,71 de especificidad y una curva ROC (receiver operating characteristic) de 0,87.

Conclusión: este método logra detectar pólipos de manera sobresaliente, superando la alta variabilidad dada por los distintos tipos de lesiones, condiciones diferentes de la luz del colon (asas, pliegues o retracciones) con una sensibilidad muy alta, comparada con un gastroenterólogo experimentado, lo que podría hacer que se disminuya el error humano, el cual es uno de los principales factores que hacen que no se detecte o se escapen los pólipos durante un examen de colonoscopia.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Martín Alonso Gómez Zuleta, Universidad Nacional de Colombia

Médico Internista y Gastroenterólogo. Unidad de Gastroenterología y Ecoendoscopia, UGEC. Hospital Universitario Nacional. Profesor asociado de Medicina, Universidad Nacional de Colombia. 

Diego Fernando Cano Rosales, Universidad Nacional de Colombia

Médico Internista. Fellow de Gastroenterología, Universidad Nacional de Colombia. Hospital Universitario Nacional

Diego Fernando Bravo MSc., Universidad Nacional de Colombia

Magister en Ingeniería Biomédica. Universidad Militar Nueva Granada. Docente cátedra  

 

Josué Ruano MSc., Universidad Nacional de Colombia

Magister en Ingeniería Biomédica, Ingeniero Biomédico, Estudiante de Doctorado en Ingeniería – Sistemas y computación - Bogotá

Eduardo Romero MD. PhD., Universidad Nacional de Colombia

Doctor en Ciencias Biomédicas, Magister en Ingeniería Eléctrica, Médico cirujano. Profesor titular. Bogotá

Referencias bibliográficas

Bray F, Ferlay J, Soerjomataram I, Siegel RL, Torre LA, Jemal A. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2018;68(6):394- 424. https://doi.org/10.3322/caac.21492

Data I, Method L. Colombia Estadisticas GLOBOCAN. 2018;380:1-2.

Samadder NJ, Curtin K, Tuohy TMF, Pappas L, Boucher K, Provenzale D, et al. Characteristics of missed or interval colorectal cancer and patient survival: A population-based study. Gastroenterology [Internet]. 2014;146(4):950-60. Available from: http://dx.doi.org/10.1053/j.gastro.2014.01.013

Kaltenbach T, Sano Y, Friedland S, Soetikno R. American Gastroenterological Association (AGA) Institute Technology Assessment on Image-Enhanced Endoscopy. Gastroenterology. 2008;134(1):327-40. https://doi.org/10.1053/j.gastro.2007.10.062

Sr B, Baraza W. Chromoscopy versus conventional endoscopy for the detection of polyps in the colon and rectum ( Review ). 2010;(10).

Paris Workshop ParticipantsThe Paris endoscopic classification of superficial neoplastic lesions: esophagus, stomach and colon. The Paris endoscopic classification of superficial neoplastic lesions: esophagus, stomach, and colon. Gastrointest Endosc. 2003;58(6):S3-43. https://doi.org/10.1016/S0016-5107(03)02159-X

Dinesen L, Chua TJ, Kaffes AJ. Meta-analysis of narrow-band imaging versus conventional colonoscopy for adenoma detection. YMGE [Internet]. 2012;75(3):604-11. Available from: http://dx.doi.org/10.1016/j.gie.2011.10.017

Nagorni A, Bjelakovic G, Petrovic B. Narrow band imaging versus conventional white light colonoscopy for the detection of colorectal polyps ( Review ) Narrow band imaging versus conventional white light colonoscopy for the detection of colorectal polyps. 2012;(1):10-2. https://doi.org/10.1002/14651858.CD008361.pub2

Jin X, Chai T, Shi J, Yang X, Sun Q. Meta-analysis for evaluating the accuracy of endoscopy with narrow band imaging in detecting colorectal adenomas. 2012;27:882-7. https://doi.org/10.1111/j.1440-1746.2011.06987.x

Komeda Y, Suzuki N, Sarah M, Thomas-Gibson S, Vance M, Fraser C, et al. Factors associated with failed polyp retrieval at screening colonoscopy. Gastrointest Endosc [Internet]. 2013;77(3):395-400. Available from: http://dx.doi.org/10.1016/j.gie.2012.10.007

Choi HN, Kim HH, Oh JS, Jang HS, Hwang HS, Kim EY, et al. [Factors influencing the miss rate of polyps in a tandem colonoscopy study]. Korean J Gastroenterol. 2014;64(1):24-30. https://doi.org/10.4166/kjg.2014.64.1.24

Van Rijn JC, Reitsma JB, Stoker J, Bossuyt PM, Van Deventer SJ, Dekker E. Polyp miss rate determined by tandem colonoscopy: A systematic review. Am J Gastroenterol. 2006;101(2):343-50. https://doi.org/10.1111/j.1572-0241.2006.00390.x

Bernal J, Sánchez J, Vilariño F. Towards automatic polyp detection with a polyp appearance model. 2012;45:3166-82. https://doi.org/10.1016/j.patcog.2012.03.002

Shin Y, Balasingham I, Member S. Comparison of Hand - craft Feature based SVM and CNN based Deep Learning Framework for Automatic Polyp Classification. 2017 39th Annu Int Conf IEEE Eng Med Biol Soc. 2017;3277- 80. https://doi.org/10.1109/EMBC.2017.8037556

Urban G, Tripathi P, Alkayali T, Mittal M, Jalali F, Karnes W, et al. Deep Learning Localizes and Identifies Polyps in Real Time with 96% Accuracy in Screening Colonoscopy. Gastroenterology [Internet]. 2018;155(4):1069- 1078.e8. Available from: https://linkinghub.elsevier.com/retrieve/pii/S0016508518346596. https://doi.org/10.1053/j.gastro.2018.06.037

Taha B, Werghi N, Dias J. Automatic Polyp Detection in Endoscopy Videos: A Survey. Biomed Eng (NY) [Internet]. 2017; Available from: http://www.actapress.com/PaperInfo.aspx?paperId=456449. https://doi.org/10.2316/P.2017.852-031

Szegedy C, Vanhoucke V, Ioffe S, Shlens J, Wojna Z. Rethinking the Inception Architecture for Computer Vision. Proc IEEE Comput Soc Conf Comput Vis Pattern Recognit. 2016;2016-Decem:2818-26. https://doi.org/10.1109/CVPR.2016.308

Simonyan K, Zisserman A. Very Deep Convolutional Networks for Large-Scale Image Recognition. 2014;1-14. Available from: http://arxiv.org/abs/1409.1556

Hembury GA, Borovkov V V., Lintuluoto JM, Inoue Y. Deep Residual Learning for Image Recognition Kaiming. Cvpr [Internet]. 2003;32(5):428-9. Available from: http://image-net.org/challenges/LSVRC/2015/ https://doi.org/10.1246/cl.2003.428

Tajbakhsh N, Gurudu SR, Liang J. Automated polyp detection in colonoscopy videos using shape and context information. IEEE Trans Med Imaging [Internet]. 2016 Feb [cited 2017 Feb 13];35(2):630-44. Available from: http://ieeexplore.ieee.org/document/7294676/ https://doi.org/10.1109/TMI.2015.2487997

Bernal J, Sánchez FJ, Fernández-Esparrach G, Gil D, Rodríguez C, Vilariño F. WM-DOVA maps for accurate polyp highlighting in colonoscopy: Validation vs. saliency maps from physicians. Comput Med Imaging Graph. 2015;43:99-111. https://doi.org/10.1016/j.compmedimag.2015.02.007

Silva J, Histace A, Romain O, Dray X, Granado B. Toward embedded detection of polyps in WCE images for early diagnosis of colorectal cancer. Int J Comput Assist Radiol Surg. 2014;9(2):283-93. https://doi.org/10.1007/s11548-013-0926-3

Freedman JS, Harari DY, Bamji ND, Bodian CA, Kornacki S, Cohen LB, et al. The detection of premalignant colon polyps during colonoscopy is stable throughout the workday. Gastrointest Endosc [Internet]. 2011;73(6):1197- 206. Available from: http://dx.doi.org/10.1016/j.gie.2011.01.019

Figura 1. Flujo del método propuesto para detectar pólipos automáticamenteF
Publicado
2021-03-08
Cómo citar
Gómez Zuleta, M. A., Cano Rosales, D. F., Bravo Higuera, D. F., Ruano Balseca, J. A., & Romero Castro, E. (2021). Detección automática de pólipos colorrectales con técnicas de inteligencia artificial . Revista Colombiana De Gastroenterología, 36(1), 7-17. https://doi.org/10.22516/25007440.471
Sección
Trabajos Originales
Crossref Cited-by logo

Más sobre este tema

Artículos más leídos del mismo autor/a

1 2 3 > >>