Z Gastroenterol 2021; 59(08): e279-e280
DOI: 10.1055/s-0041-1734057
Deep Learning im Intestinum
Donnerstag, 16. September 2021, 12:00-13:20 Uhr, Saal 4
Endoskopie

Künstliche Intelligenz zur Detektion von Kolonpolypen - Detaillierte Aufarbeitung relevanter Faktoren mittels Einzelbildanalyse

M Brand
1  Universitätsklinikum Würzburg, Med. Klinik II, Gastroenterologie, Interventional and Experimental Endoscopy (InExEn), Würzburg, Deutschland
,
J Troya
1  Universitätsklinikum Würzburg, Med. Klinik II, Gastroenterologie, Interventional and Experimental Endoscopy (InExEn), Würzburg, Deutschland
,
A Krenzer
2  Universität Würzburg, Lehrstuhl für Künstliche Intelligenz und angewandte Informatik, Würzburg, Deutschland
,
N Mehlhase
1  Universitätsklinikum Würzburg, Med. Klinik II, Gastroenterologie, Interventional and Experimental Endoscopy (InExEn), Würzburg, Deutschland
,
B Walter
3  Universitätsklinikum Ulm, Klinik für Innere Medizin I, Ulm, Deutschland
,
A Meining
1  Universitätsklinikum Würzburg, Med. Klinik II, Gastroenterologie, Interventional and Experimental Endoscopy (InExEn), Würzburg, Deutschland
,
A Hann
1  Universitätsklinikum Würzburg, Med. Klinik II, Gastroenterologie, Interventional and Experimental Endoscopy (InExEn), Würzburg, Deutschland
› Author Affiliations
 

Einleitung Beim Einsatz von künstlicher Intelligenz (KI) zur Verbesserung der Polypendetektionsrate (PDR) in der Koloskopie kommt es oft zu falsch positiven Befunden.

Ziele Ziel der vorliegenden Studie war es, den Einfluss eines kommerziell verfügbaren KI-Systems (GI-Genius, Medtronic) auf die PDR und die Rückzugszeit, sowie die detaillierte Performance des Systems mittels Einzelbildanalyse zu untersuchen.

Methodik Vergleich von Full-HD-Videos zweier Kollektive (Routine-Koloskopien mit KI-Unterstützung (März bis April 2020) vs. bereits vorhandene Koloskopievideos (März bis April 2019)). Beim ersten Kollektiv lief eine KI während der Untersuchung mit, beim zweiten Kollektiv wurden die vollständigen Videos nachträglich mittels KI analysiert. Nach Ausschluss von für die Polypendetektion ungeeigneten Untersuchungen wurden die KI-Videos beider Gruppen einer Post-hoc Einzelbildanalyse unterzogen. Untersuchungsparameter waren: PDR, Rückzugszeit, Detektion pro Einzelbildserie incl. Polypenmorphologie. (ClinicalTrials.gov: NCT04335318).

Ergebnis Bei den 57 Koloskopien mit primärer KI-Unterstützung wurden tendenziell mehr Polypen pro Untersuchung gefunden, die PDR war ebenfalls tendenziell höher. Die Unterschiede waren jedoch nicht signifikant (1,26 vs. 0,91, p = 0,22, PDR: 0,51 vs. 0,44; p = 0,63). Die Rückzugszeit ohne Interventionen war mit KI-Unterstützung hingegen signifikant länger als in der Kontrollgruppe (520s vs. 391s, p< 0,005). In der Post-hoc Analyse erkannte die KI neben den durch die Untersucher gefunden Polypen (n = 115) weitere drei Polypen. Insgesamt war die Rate an richtigen Detektionen der KI pro Einzelbildserie (temporal coherence) bei flachen Läsionen (Paris 0-IIa) mit 37,5 % signifikant geringer als bei erhabenen Läsionen (Paris 0-Ip/Is - 73,8/58,9 %, jeweils p< 0,01). Im Schnitt zeigten sich pro Koloskopie 101 falsch positive Detektionen des KI-Systems, wobei 75 % der falsch-positiven Markierungen mit < 133ms sehr kurz waren.

Schlussfolgerung Das kommerziell verfügbare KI-System verbessert tendenziell die PDR, jedoch auf Kosten einer signifikant verlängerten Rückzugszeit. Problematisch ist in diesem Zusammenhang die relevante Anzahl an falsch positiven Aktivierungen, sowie die geringe Erkennungsrate von flachen Läsionen auf Einzelbildserien.



Publication History

Publication Date:
07 September 2021 (online)

© 2021. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany