Entwicklung einer auf monokularen Tiefenschätzung basierenden künstlichen Intelligenz zur Bestimmung der Polypengröße

Ziele: Die Bestimmung der Polypengröße in der Koloskopie ist wichtig um die Leitlinien gerechte Resektionsmethode und das Überwachungsintervall festzulegen. Die Schätzung erfolgt dabei meist durch die Endoskopiker selbst, die Abweichung zum wahren Wert können bis zu 65% betragen. Ziel dieser Arbeit ist eine auf künstlicher Intelligenz (KI) basierende Methode zur Bestimmung der Polypengröße zu entwickeln.

Methodik: Es wurde ein maßstabsgetreues 3D Kolonmodell mit simulierten 3D-Polypen verwendet und eine virtuelle Koloskopie durchgeführt. Hiermit wurden 3060 Weißlichtbilder gerendert. Für jedes Bild wurde eine Tiefenkarte erstellt. Mit den virtuellen Weißlichtbilder und Tiefenkarten wurden dann ein monokulares Tiefenschätzungsmodell trainiert. Zum Testen des Modells wurden die Einzelbilder von 133 Läsionen verwendet, die in unserer Klinik durch endoskopische Mukosadissektion (ESD) entfernt wurden. Zum Vergleich wurde die Größe dieser durch drei ESD-Experten und drei Endoskopie-Trainees geschätzt.

Ergebnis: Der mittlere absolute prozentuale Fehler (MAPE) für die Größenschätzung beim KI Modell betrug 29%. Die MAPE der drei ESD-Experten lag bei 28%, und die der Endoskopie-Trainees bei 38%.

Schlussfolgerung: Die monokulare Tiefenschätzung ist eine vielversprechende KI-Methode für die automatische Schätzung der Polygröße mit einer vergleichbaren Genauigkeit zu der Schätzung von erfahrenen Endoskopikern.

Publication History

Article published online:
04 September 2025