El Ensayo EAGLE, un estudio multicéntrico controlado aleatorizado que evalúa el dispositivo CADDIE™ de Olympus, ha demostrado que la inteligencia artificial basada en la nube puede mejorar significativamente la detección de lesiones colorrectales de alto riesgo durante la colonoscopia. Publicado en npj Digital Medicine, el estudio representa un desarrollo fundamental en la tecnología de detección asistida por computadora para la endoscopia gastrointestinal.
Realizado en ocho centros de cuatro países europeos, el ensayo involucró a 841 pacientes y 22 endoscopistas que realizaron colonoscopias de cribado y vigilancia. Los pacientes fueron aleatorizados para recibir colonoscopia estándar o colonoscopia asistida por CADDIE. La aplicación CADDIE™ es la primera solución de Detección Asistida por Computadora basada en la nube para la detección de pólipos en tiempo real durante la colonoscopia que ha recibido tanto la autorización de la FDA como el marcado CE.
Los hallazgos clave del estudio revelaron mejoras sustanciales en la detección de lesiones clínicamente significativas. En pacientes de cribado y vigilancia, el uso de la aplicación CADDIE™ se asoció con un aumento absoluto del 7,3% en la tasa de detección de adenomas en comparación con la colonoscopia estándar. Más importante aún, el sistema demostró aumentos relativos notables en las tasas de detección para subtipos específicos de lesiones de alto riesgo: 93% para adenomas grandes (>10 mm), 57% para adenomas no polipoides y 230% para lesiones serradas sésiles (LSS).
La importancia clínica de estos hallazgos es sustancial, ya que las lesiones con morfología sésil o plana son particularmente difíciles de detectar pero pueden albergar patología clínicamente relevante. Las LSS, en particular, representan lesiones de alto riesgo cuya detección es crítica para reducir el riesgo de cáncer colorrectal poscolonoscopia. La capacidad de detectar LSS de manera confiable se considera cada vez más como una consideración de calidad crítica en la colonoscopia, como se señala en las guías recientes de la Sociedad Europea de Endoscopia Gastrointestinal y la Asociación Americana de Gastroenterología.
La aplicación CADDIE™ está específicamente entrenada en un conjunto de datos enriquecido con lesiones clínicamente relevantes y difíciles de detectar, incluidas lesiones serradas sésiles planas y pólipos grandes. Este enfoque dirigido aborda algunas de las preocupaciones planteadas en las guías recientes sobre resecciones innecesarias, ya que el estudio demostró una mayor detección de lesiones clínicamente relevantes sin aumentar los procedimientos innecesarios.
La implementación en la nube representa una innovación significativa en la implementación de IA médica. La aplicación CADDIE™ aprovecha la arquitectura en la nube con controles de seguridad estándar de la industria, ofreciendo a los hospitales flexibilidad al reducir la dependencia del hardware y permitir modelos de adquisición basados en suscripción. Este enfoque tiene el potencial de democratizar el acceso a herramientas avanzadas de IA y sienta las bases para futuras aplicaciones de IA en endoscopia. Para acceder al estudio completo del Ensayo EAGLE, visite https://doi.org/10.1038/s41746-025-02270-1.
El investigador principal Rawen Kader señaló que "la implementación en la nube puede eliminar las barreras de hardware y dar a los hospitales acceso a las últimas innovaciones en IA, lo que tiene el potencial de mejorar la detección de las lesiones que más importan para reducir el riesgo de cáncer colorrectal". Este sentimiento fue respaldado por ejecutivos de Olympus, quienes enfatizaron que ofrecer IA en tiempo real a través de la nube puede ayudar a acelerar la innovación y permitir que hospitales de todo el mundo se beneficien de tecnologías basadas en evidencia.
La publicación del estudio en una revista de alto impacto respalda la adopción clínica del dispositivo CADDIE™ como una solución de IA que puede mejorar la detección de lesiones clínicamente relevantes sin comprometer la seguridad ni la eficiencia. Dado que el cáncer colorrectal sigue siendo una de las principales causas de mortalidad por cáncer en todo el mundo, las tecnologías que mejoran la detección temprana de lesiones precancerosas representan avances significativos en la medicina preventiva. Los resultados del Ensayo EAGLE sugieren que los sistemas de IA basados en la nube podrían convertirse en herramientas estándar en los programas de cribado de cáncer colorrectal, reduciendo potencialmente los cánceres de intervalo y mejorando los resultados de los pacientes mediante una detección más completa de lesiones.
