Introducción: Aunque los sistemas de ayuda al diagnóstico computarizados (CAD) han demostrado su capacidad para mejorar la detección de pólipos colorrectales, su capacidad para predecir la histología es limitada.

Objetivos: Determinar qué factores relacionados con la morfología, la histología y la imagen se asocian a la predicción de la histología por el CAD PolyDeep.

Métodos: Para este análisis, se utilizaron 5546 imágenes de pólipos recogidas en la base de datos PIBAdb. Las imágenes fueron obtenidas de videos grabados por endoscopistas. De cada uno de los pólipos se recogió la información endoscópica, el diagnóstico histológico y las características de cada imagen (tamaño, área) relacionadas con los modelos RGB y HSV Finalmente, la red neuronal determinó la probabilidad de que una lesión fuese neoplásica (adenoma, adenoma serrado tradicional-AST, lesión serrada sésil-LSS) clasificándose como neoplásicas aquellas con una probabilidad ≥ 0,5. Se realizaron tres análisis. Por una parte, se determinó mediante una regresión lineal múltiple que variables se asociaban a la probabilidad de clasificación como lesión neoplásica. Por otra parte, se realizaron dos regresiones logísticas multivariantes: la primera para determinar las variables asociadas a la clasificación como lesión neoplásica y la segunda para determinar las variables asociadas a un error en la clasificación. Los cálculos se realizaron utilizando el software R.

Resultados: Polydeep clasifico como lesión neoplásica al 84,51% de las lesiones. Se clasificaron correctamente el 85,02% de los pólipos evaluados (92,8% adenomas, 82,5% AST, 84,2% LSS, 51,6% hiperplásico). La R2 de la regresión lineal múltiple es 0,3655. El AIC del modelo para diagnóstico de lesión neoplásica y el modelo que asocia las variables a la clasificación errónea fue de 3363,3 y 3547,5. respectivamente.

Conclusiones: Los resultados obtenidos nos permiten establecer mejoras en la predicción del diagnóstico histológico de PolyDeep.