Introducción: La detección y manejo de la recurrencia tras la resección mucosa fragmentada (p-EMR) de pólipos colorrectales grandes son cruciales para prevenir el cáncer colorrectal poscolonoscopia. Los sistemas de inteligencia artificial para la detección de lesiones (CADe) han demostrado eficacia en la identificación de lesiones < 10 mm. Nuestro objetivo fue evaluar el rendimiento de CADe en comparación con endoscopistas en la detección de recurrencia después de p-EMR.

Métodos: Se evaluaron 66 vídeos anónimos de cicatrices de pólipos de > 15 mm pos-EMR, incluidos 15 con escaras con clips previamente colocados y 25 con recurrencia. Seis endoscopistas -tres expertos y tres no expertos- predijeron la presencia de recurrencia (sí/no) asignando un nivel de confianza (alto/bajo). Los mismos vídeos fueron analizados con CAD-EYE (ELUXEO 7000; Fujifilm) superpuesto. El gold standard fue la anatomía patológica.

Resultados: Los endoscopistas mostraron una mayor sensibilidad en comparación con CADe (96,0 vs. 72,0%; p = 0,03). Los endoscopistas no expertos también fueron superiores a CADe (tabla). Enfocándose en los defectos no clipados, los endoscopistas mantuvieron una mayor sensibilidad (95,0 vs. 65,0%; p = 0,03) en comparación con CADe. No se encontraron diferencias entre CADe y los endoscopistas según las categorías histopatológicas (adenoma o lesión serrada). La concordancia entre endoscopistas fue moderada en toda la cohorte: Kappa 0,57 (IC95% 0,49-0,61) mejorando a sustancial entre expertos (0,70; IC95% 0,56-0,85). Los expertos mostraron un mejor rendimiento para descartar la recurrencia en comparación con los no expertos: (especificidad 92,7 vs. 58,5%; p = 0,001) y precisión (92,4 vs. 72,7%; p < 0,001).

Conclusión: Los endoscopistas superaron a CADe en la evaluación de cicatrices post-EMR incluso en manos no expertas y tras excluir defectos con clips previamente colocados. Entrenar a CADe con imágenes de cicatrices pospolipectomía podría mejorar aún más su rendimiento.