Ces dernières années, il a été clairement démontré que la prise en charge des patients en coloscopie peut être optimisée – tant sur le plan économique qu'environnemental – en évitant de soumettre systématiquement tous les polypes coliques réséqués à un examen histopathologique, à condition que ces polypes répondent à des critères visuels et dimensionnels spécifiques.
Malgré ce bénéfice avéré et la publication de recommandations internationales par l'American Society for Gastrointestinal Endoscopy (ASGE, 2014) et l'European Society of Gastrointestinal Endoscopy (ESGE, 2022), la mise en œuvre pratique de l'analyse histopathologique sélective (stratégies « Résection et élimination » et « Diagnostic et suivi ») demeure limitée.
Cet écart entre les recommandations et la pratique clinique est principalement dû aux difficultés liées à la formation, à la certification et à l'évaluation objective de la capacité des endoscopistes à caractériser précisément les polypes. De plus, même avec l'intégration de l'intelligence artificielle (IA), les systèmes actuels n'atteignent pas encore les seuils de fiabilité requis par les sociétés savantes.
Colo-ID a été développé pour répondre à ces besoins non satisfaits. L'application offre une plateforme complète de formation et d'évaluation destinée aux endoscopistes. Elle comprend un module d'apprentissage et un environnement de formation interactif permettant aux utilisateurs d'examiner un grand nombre d'images endoscopiques annotées et d'évaluer leur précision diagnostique, leurs compétences en caractérisation et leur performance en matière de prise de décision thérapeutique.
De plus, Colo-ID quantifie et affiche les économies potentielles et la réduction de l'empreinte carbone associées à l'application des approches « Résection et élimination » et « Diagnostic et sortie ».
Enfin, la plateforme prend également en charge la création et l'enrichissement continu d'une base de données structurée reliant les caractéristiques des images endoscopiques aux résultats histopathologiques correspondants.
Cette ressource contribuera au développement et à la formation d'algorithmes d'aide à la décision basés sur l'IA, avec pour objectif à long terme d'améliorer la précision, la sécurité et la durabilité des stratégies de prévention du cancer colorectal.
Date de mise à jour
30 mars 2026