Back to search

National and Kapodistrian University of Athens

Η αποτελεσματικότητα της τεχνητής νοημοσύνης στην κολονοσκόπηση: μια συστηματική ανασκόπηση

Abstract

dc:description

Εισαγωγή: Η τεχνητή νοημοσύνη στην κολονοσκόπηση παρουσιάζει ολοένα και θετικότερα αποτελέσματα σύμφωνα με μελέτες. Η προέλευση της τεχνητής νοημοσύνης (Artificial Intelligence ή AI) εντοπίζεται στη δεκαετία του 1950. Η συσκευή ΑΙ τεχνολογίας στην κολονοσκόπηση λειτουργεί ως διερευνητική συσκευή ανίχνευσης, χρησιμοποιώντας λογισμικό από νευρωνικά δίκτυα για τον εντοπισμό πιθανών πολυπόδων, αδενωμάτων σε πραγματικό χρόνο. Σκοπός: Η συστηματική ανασκόπηση των αποτελεσμάτων της χρήσης της τεχνολογίας τεχνητής νοημοσύνης (ΑΙ) στην κολονοσκόπηση. Μεθοδολογία: Η παρούσα συστηματική ανασκόπηση που διεξήχθη βασίστηκε στη μελέτη της σύχρονης επιστημονικής βιβλιογραφίας. Πραγματοποιήθηκαν αναζητήσεις στις επιστημονικές βάσεις δεδομένων MEDLINE και Google Scholar. Χρησιμοποιήθηκαν λέξεις κλειδιά στα ελληνικά και στα αγγλικά που βοήθησαν στον περιορισμό των δεδομένων σε αποτελέσματα που ήταν σχετικότερα με το θέμα που μελετήθηκε. Αποτελέσματα: Προέκυψαν 25 μελέτες. 10 κρίθηκαν ακατάλληλες. 15 μελέτες χρησιμοποιήθηκαν ως βιβλιογραφικές παραπομπές. Οι συσκευές τεχνολογίας τεχνητής νοημοσύνης στην κολονοσκόπηση παρουσίασαν θετικά αποτελέσματα σχετικά με τον εντοπισμό πολυπόδων, αδενωμάτων προλαμβάνοντας τον καρκίνο του παχέος εντέρου. Ακόμα, αποδείχθηκε η αποτελεσματικότητά τους σχετικά με την τεχνική τους απόδοση. Ειδικότερα, κάποιες συσκευές από αυτές φάνηκε πως είχαν την ικανότητα να διακρίνουν τη διαφορά των υπερπλαστικών πολυπόδων και των αδενωμάτων που έχουν την τάση να εξαλλάσσονται. Επιπλέον, οι οπτικές και ηχητικές ειδοποιήσεις που εμφανίζονταν, φάνηκε πως μείωναν το PMR και το AMR, ανιχνεύοντας στην πράξη περισσότερους πολύποδες και αδενώματα. Συμπεράσματα: Προτείνεται να διεξαχθούν περισσότερες μελέτες στο μέλλον σε συσκευές ΑΙ τεχνολογίας στην κολονοσκόπηση, με κύριο στόχο τα σημεία ανίχνευσης άμισχων οδοντωτών αδενωμάτων. Ακόμα, να δημιουργηθούν κολονοσκόπια με ενσωματωμένη ΑΙ τεχνολογία από νέους κατασκευαστές. Επιπλέον, προτείνεται να γίνονται συχνοί έλεγχοι και ενημερώσεις των συστημάτων ΑΙ τεχνολογίας και να αναπτυχθούν νέα πρότυπα λειτουργίας για τις κολονοσκοπήσεις τεχνητής νοημοσύνης. Επίσης, να εισαχθεί περισσότερο εκπαιδευτικό υλικό στην πλατφόρμα βάσης δεδομένων του συστήματος της ΑΙ τεχνολογίας, ώστε να υπάρχει πλουσιότερο υλικό για τους νέους ενδοσκόπους και να μπορούν να εκπαιδευθούν κατάλληλα μέσω αυτού του συστήματος στην κολονοσκόπηση.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Πιλάλη Κωνσταντίνα-Θάλεια
  • Pilali Konstantina-Thaleia

Subjects

dc:subject × 2

Rights

Language dc:language
Ελληνικά, Greek

Identifiers

dc:identifier.*
Identifier
uoadl:3388679

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Πιλάλη Κωνσταντίνα-Θάλεια; Pilali Konstantina-Thaleia. Η αποτελεσματικότητα της τεχνητής νοημοσύνης στην κολονοσκόπηση: μια συστηματική ανασκόπηση. 2024. https://pergamos.lib.uoa.gr/uoa/dl/object/3388679