Z Gastroenterol 2021; 59(08): e279
DOI: 10.1055/s-0041-1734056
Deep Learning im Intestinum
Donnerstag, 16. September 2021, 12:00-13:20 Uhr, Saal 4
Endoskopie

Prospektive Evaluation eines neuen Künstliche Intelligenz Systems zur Detektion von Kolonpolypen

C Zippelius
PechKlinik für Gastroenterologie und interventionelle Endoskopie, Krankenhaus Barmherzige Brüder, Regensburg, Deutschland
,
J Schedel
PechKlinik für Gastroenterologie und interventionelle Endoskopie, Krankenhaus Barmherzige Brüder, Regensburg, Deutschland
,
D Brookman-Amissah
PechKlinik für Gastroenterologie und interventionelle Endoskopie, Krankenhaus Barmherzige Brüder, Regensburg, Deutschland
,
K Mühlenberg
PechKlinik für Gastroenterologie und interventionelle Endoskopie, Krankenhaus Barmherzige Brüder, Regensburg, Deutschland
,
W Schorr
PechKlinik für Gastroenterologie und interventionelle Endoskopie, Krankenhaus Barmherzige Brüder, Regensburg, Deutschland
,
A Salzberger
PechKlinik für Gastroenterologie und interventionelle Endoskopie, Krankenhaus Barmherzige Brüder, Regensburg, Deutschland
,
C Federle
PechKlinik für Gastroenterologie und interventionelle Endoskopie, Krankenhaus Barmherzige Brüder, Regensburg, Deutschland
› Author Affiliations
 
 

    Einleitung Die Adenomdetektionsrate (ADR) variiert erheblich zwischen Endoskopikern und die Adenoma-Miss-Rate (AMR) liegt bei bis zu 26 %. Durch Künstliche Intelligenz (KI)-Systeme soll die Qualität der Koloskopie verbessert und die Rate an Intervallkarzinomen reduziert werden.

    Ziele Ziel der Studie war die Evaluation eines KI-Systems in Echtzeit während der Koloskopie und dessen Einfluss auf die AMR und die ADR.

    Methodik In der vorliegenden prospektiven Studie wurden 150 Patienten (Alter 65±14 Jahre, 69 Frauen, 81 Männer) analysiert, bei denen eine diagnostische Koloskopie in einem großen Endoskopiezentrum in Deutschland im Zeitraum Juni bis Oktober 2020 durchgeführt wurde. Das KI-System GI Genius (Medtronic) detektiert Polypen in Echtzeit während der Untersuchung und markiert diese mit einem Rahmen. Jeder Patient wurde gleichzeitig von einem Endoskopiker und dem KI-System untersucht, wobei zwei gegenüberliegende Bildschirme verwendet wurden. Das KI-System, das von einem zusätzlichen Untersucher beobachtet wurde, war für den Endoskopiker nicht sichtbar. Primärer Endpunkt war die AMR. Beide Methoden wurden mittels McNemar Test verglichen.

    Ergebnis Es bestand kein signifikanter Unterschied (p = 0,754) hinsichtlich der AMR zwischen dem KI-System (6/197, 3,0 % [1,1-6,5]) und den Endoskopikern (4/197, 2,0 % [0,6-5,1]). Die Rate an übersehenen Polypen des KI-Systems (14/311, 4,5 % [2,5-7,4]) unterschied sich nicht signifikant (p = 0,720) von der Übersehensrate der Endoskopiker (17/311, 5,5 % [3,2-8,6]). Ebenso zeigte sich bei der ADR kein signifikanter Unterschied (p = 0,500) zwischen dem KI-System (76/150, 50,7 % [42,4-58,9]) und den Endoskopikern (78/150, 52,0 % [43,7-60,2]). Die Endoskopiker detektierten bei zwei Patienten ein Adenom, das von dem KI-System übersehen wurde.

    Schlussfolgerung Das KI-System erwies sich als wertvoller zusätzlicher Beobachter während der Koloskopie und hatte eine vergleichbar hohe ADR wie die erfahrenen Endoskopiker (>50 %). Der Einsatz des KI-Systems in der Koloskopie kann die Untersuchungsqualität verbessern und die ADR von weniger erfahrenen Endoskopikern erhöhen.


    #

    Publication History

    Article published online:
    07 September 2021

    © 2021. Thieme. All rights reserved.

    Georg Thieme Verlag KG
    Rüdigerstraße 14, 70469 Stuttgart, Germany