Colorectale kanker is een groot wereldwijd probleem. Hoewel colonoscopie de gouden standaard is, wordt tot 28% van de poliepen gemist. Huidige AI-oplossingen vereisen vaak centrale training, veel data en nieuwe hardware. Dit project ontwikkelt een privacyvriendelijk, gedistribueerd AI-model voor realtime detectie van poliepen met bestaande apparatuur, en past het FIFA-algoritme toe voor een schaalbare, klinisch toepasbare AI-ondersteunde colonoscopie.

Klinische behoefte en Onderzoeksvraag

Hoewel colonoscopie effectief is, worden veel vlakke en sessiele poliepen gemist door menselijke beperkingen en beeldvariatie. AI-tools vereisen vaak gedeelde datasets, die door privacywetgeving zoals de AVG beperkt beschikbaar zijn. Daarnaast varieert de beeldkwaliteit per ziekenhuis, waardoor centrale modellen moeilijk generaliseren. Er is dringend behoefte aan adaptieve, privacybestendige AI voor uiteenlopende video-invoer.

Doelstellingen en Methodologie

Dit onderzoek verbindt methodologische innovatie met klinische impact. Het introduceert een gedistribueerd, feature-based leermodel dat robuuste optimalisatie toepast voor zeldzame en heterogene data. Klinisch biedt het een privacyvriendelijke benadering waarmee ziekenhuizen CRC-detectie kunnen verbeteren zonder ruwe data te delen. Het FIFA-algoritme maakt aanpassing aan diverse beeldomgevingen mogelijk.

Impact en Toekomstige toepassing

De resultaten vormen een opstap naar real-time AI in endoscopie, met een aanpak die zich aanpast aan colonoscopie-omgevingen en toekomstige klinische integratie ondersteunt. Verdere ontwikkeling kan het aantal gemiste poliepen verlagen en vroegtijdige CRC-detectie verbeteren—zonder aanpassingen aan de hardware. Met overlevingskansen van 90% in stadium I kunnen zo duizenden levens en miljarden aan zorgkosten worden bespaard.