KI-basierte Vorhersage des histopathologischen Differenzierungsgrades anhand von Weißlicht-Endoskopiebildern des kolorektalen Karzinoms

Einleitung: Der histopathologische Differenzierungsgrad ist ein wichtiger prognostischer Faktor beim kolorektalen Karzinom (KRK). Verglichen mit gut- und mäßig differenzierten Tumoren (G1/G2) sind schlecht differenzierte Kolorektalkarzinome(G3) mit einem erhöhten Risiko für fortgeschrittene Lokalbefunde, Lymphknoten- und Fernmetastasen assoziiert. Die Bestimmung des Differenzierungsgrades erfolgt durch die Histopathologie. Künstliche Intelligenz (KI) kann potentiell beim klinischen Management von KRK Patientinnen und Patienten helfen, indem sie anhand von endoskopischen Bildern eine Vorhersage des Gradings ermöglicht.

Ziele: Ziel dieser Studie ist die Entwicklung einer KI-basierten Methode zur Unterscheidung schlecht differenzierter kolorektaler Karzinome von gut- und mäßig differenzierten Tumoren.

Methodik: Insgesamt wurden 1.607 endoskopische Bilder von 404 Patientinnen und Patienten mit kolorektalem Karzinom, die im Zeitraum von 2014 bis 2024 diagnostiziert wurden, retrospektiv ausgewertet. Die identifizierten Fälle umfassten 62 G1, 1.179 G2 und 366 G3 Tumorbilder, die von jeweils 17, 305 bzw. 82 Betroffenen stammten. Es wurde zwischen gut/mäßig (G1/G2) und schlecht differenzierten Tumoren (G3) unterschieden. Dabei kam ein Transfer Learning-Ansatz mit einem auf Endoskopie spezialisierten Foundation-Model („Gastronet-5M“) zum Einsatz. Die Vorhersagegenauigkeit wurde auf Einzelbildebene und auf Patientenebene untersucht.

Ergebnisse: Der Validierungsdatensatz umfasste 218 Bilder von 61 Patientinnen und Patienten, davon 181 aus der G1/G2-Gruppe und 37 aus der G3-Gruppe. Auf Bildebene erreichte die KI eine Genauigkeit von 78% (95%-confidence interval (CI): 73%–83%) bei einer Spezifität von 0,81 (95%-CI: 0,75–0,86) und einer Sensitivität von 0,68 (95%-CI: 0,52–0,83). Für Vorhersagen auf Patientenebene erzielte die Methode eine Genauigkeit von 79% (95%-CI: 74%–92%), mit einer leicht erhöhten Spezifität von 0,84 (95%-CI: 0,72–0,93) und einer höheren Sensitivität von 0,83 (95%-CI: 0,58–1,00).

Schlussfolgerung: KI kann kolorektale Karzinome auf Grundlage endoskopischer Weißlichtbilder zuverlässig hinsichtlich ihres Differenzierungsgrads klassifizieren. Die Vorhersage auf Patientenebene erweist sich dabei insbesondere hinsichtlich der Sensitivität als vorteilhaft. Durch den Einsatz von Explainable-AI könnten Ärztinnen und Ärzte Informationen über entscheidende makroskopische Unterschiede zwischen den Differenzierungsgraden gewinnen.

Informationen zum Einsatz von KI: Abstract teilweise mit Hilfe Künstlicher Intelligenz (KI) formuliert.

Präsentiert in der Sitzung: Robo-DOC 2025: Wozu taugt die KI in der Endoskopie?

Freitag, 19. September 2025, 08:30 – 10:00, Saal 4

Publikationsverlauf

Artikel online veröffentlicht:
04. September 2025