Artificiell intelligens-assisterad upptäckt av kolorektala lesioner i privata mottagningar: en randomiserad kontrollerad studie

Varför detta spelar roll för vardagshälsan

Koloskopi är ett av de mest effektiva verktygen för att förebygga tjock- och ändtarmscancer, eftersom läkare kan hitta och ta bort tillväxter kallade polyper innan de blir farliga. Under de senaste åren har många hoppats att artificiell intelligens (AI) kan fungera som ett extra par ögon under dessa undersökningar, upptäcka fler av dessa små tillväxter och rädda fler liv. Denna studie ställde en enkel men viktig fråga: när AI används i verkliga privata kliniker med mycket erfarna läkare, hjälper det då faktiskt till att hitta fler riskfyllda tillväxter, eller tillför det mest komplexitet utan tydlig nytta?

Hur koloskopi och smart mjukvara samarbetar

Under en koloskopi för en läkare en flexibel kamera genom tjocktarmen och granskar noggrant innerytan efter små knölar eller platta områden som kan vara förstadier till cancer. Kvaliteten på denna sökning kan variera beroende på läkarens skicklighet, tarmrensningens noggrannhet och hur lätta polyperna är att se. AI-verktyg för koloskopi följer videoströmmen i realtid och markerar misstänkta områden genom att dra färgade rutor runt dem på skärmen. Tanken är att sådan ”datorstödd koloskopi” kan uppmärksamma subtila polyper som läkaren annars skulle missa och därigenom öka ett viktigt mått kallat adenomatös detektionsgrad, eller ADR — andelen patienter där minst en förstadiepolyp hittas.

Vad denna prövning avsåg att pröva

Forskarlaget genomförde en randomiserad kontrollerad prövning, guldstandarden för att testa medicinska interventioner, vid fem privata öppenvårdsendoskopimottagningar i Tyskland. Mer än 900 vuxna som kom för screening av tjocktarmscancer eller uppföljning efter tidigare polypborttagning lottades slumpmässigt till en av två grupper. I den ena gruppen utförde läkare en standardkoloskopi. I den andra användes samma utrustning plus ett AI-system kallat EndoMind som markerade möjliga polyper på huvudskärmen. Samtliga 10 deltagande läkare var högst erfarna, var och en med mer än 10 års praktik och tusentals tidigare ingrepp. De två patientgrupperna var mycket lika vad gäller ålder, kön, skäl till koloskopin och kända riskfaktorer för tjocktarmscancer, vilket möjliggjorde en rättvis jämförelse av resultaten.

Vad studien fann i klinisk vardag

När teamet jämförde resultaten fann de att tillägg av AI inte signifikant ökade andelen patienter där minst en adenoma upptäcktes. ADR låg på ungefär en tredjedel i båda grupperna (32,9 % vid standardkoloskopi jämfört med 34,5 % med AI-stöd), en skillnad som lätt kan bero på slumpen. Det totala antalet polyper och så kallade serraterade lesioner (en annan typ av riskfylld tillväxt) per undersökning var också liknande. Det fanns emellertid subtila skiftningar i vilka typer av lesioner som hittades: med AI upptäcktes en större andel mycket små adenomer och fler polyper på vänstersidan av tarmen, medan något färre större adenomer sågs, särskilt i en striktare analys begränsad till fullständiga, väl förberedda undersökningar. Den tid läkare ägnade åt att långsamt dra ut skopet — ett annat viktigt kvalitetsmått — ändrades inte när AI användes.

Varför tidigare studier verkade mer optimistiska

Tidigare kliniska prövningar, många genomförda på universitetskliniker eller i populationer med högre utgångsantal av polyper, rapporterade ofta imponerande ökningar i detektion när AI-system användes. Men detta nya arbete, tillsammans med flera nyligen publicerade prövningar och metaanalyser, antyder att bilden är mer komplex. AI:s fördel verkar bero starkt på vilka patienterna är, hur vanliga polyper är i den gruppen och hur skickliga undersökarna redan är. I miljöer där läkare redan har höga detektionsgrader kan det helt enkelt finnas mindre utrymme för AI att förbättra prestandan. Författarna noterar också att många AI-studier använder bredare eller mindre strikt definierade ADR-mått, vilket gör direkt jämförelse svårare och ibland överskattar hur mycket förbättring som är uppnåbar i rutinmässiga screeningspopulationer.

Vad detta betyder för patienter och läkare

För patienter är huvudbudskapet lugnande: erfarna endoskopister i vardagliga privata praktikmiljöer kan redan leverera koloskopier av hög kvalitet, och att lägga till AI ändrade inte tydligt sannolikheten att hitta åtminstone en förstadiepolyp i denna studie. AI kan fortfarande vara användbart för att upptäcka mycket små lesioner eller i center där utgångsdetektionen är lägre, men det är ännu ingen universell lösning. Författarna menar att större, väl utformade real-world-studier och långsiktiga register behövs innan starka rekommendationer för eller emot rutinmässig AI-användning i koloskopi kan ges. För närvarande är de viktigaste faktorerna för patienter att bli screenade i tid och välja vårdgivare som konsekvent utför noggranna, kvalitativa undersökningar.

Citering: Lux, T.J., Saßmannshausen, Z., Kafetzis, I. et al. Artificial intelligence assisted colorectal lesion detection in private practices a randomized controlled study. npj Digit. Med. 9, 284 (2026). https://doi.org/10.1038/s41746-026-02576-8

Nyckelord: koloskopi, artificiell intelligens, polypdetektion, screening för kolorektal cancer, klinisk prövning