RESUMEN
Artificial Intelligence (AI) has the potential to change many aspects of healthcare practice. Image discrimination and classification has many applications within medicine. Machine learning algorithms and complicated neural networks have been developed to train a computer to differentiate between normal and abnormal areas. Machine learning is a form of AI that allows the platform to improve without being programmed. Computer Assisted Diagnosis (CAD) is based on latency, which is the time between the captured image and when it is displayed on the screen. AI-assisted endoscopy can increase the detection rate by identifying missed lesions. An AI CAD system must be responsive, specific, with easy-to-use interfaces, and provide fast results without substantially prolonging procedures. AI has the potential to help both, trained and trainee endoscopists. Rather than being a substitute for high-quality technique, it should serve as a complement to good practice. AI has been evaluated in three clinical scenarios in colonic neoplasms: the detection of polyps, their characterization (adenomatous vs. non-adenomatous) and the prediction of invasive cancer within a polypoid lesion.
La inteligencia artificial (IA) tiene el potencial de cambiar muchos aspectos de la práctica sanitaria. La discriminación y la clasificación de imágenes tiene muchas aplicaciones dentro de la medicina. Se han desarrollado algoritmos de aprendizaje automático y redes neuronales complicadas para entrenar a una computadora a diferenciar las áreas normales de las anormales. El aprendizaje automático es una forma de IA que permite que la plataforma mejore sin ser programada. El diagnóstico asistido por computadora (CAD) se basa en latencia, que es el tiempo entre la imagen capturada y cuando es mostrada en la pantalla. La endoscopia asistida por IA puede incrementar la tasa de detección al identificar lesiones obviadas. Un sistema CAD de IA debe ser sensible, específico, con interfaces fáciles de usar, y proporcionar resultados rápidos sin prolongar sustancialmente los procedimientos. La IA tiene el potencial de ayudar tanto a endoscopistas entrenados como a los que están en entrenamiento. En vez de ser un sustituto para una técnica de alta calidad, deberá servir como un complemento de las buenas prácticas. La IA ha sido evaluada en tres escenarios clínicos en las neoplasias colónicas: la detección de pólipos, su caracterización (adenomatosos vs. no adenomatosos) y la predicción de cáncer invasor dentro de una lesión polipoide.