Z Gastroenterol 2025; 63(08): e610
DOI: 10.1055/s-0045-1811089
Abstracts | DGVS/DGAV
Kurzvorträge
KI in der Endoskopie-Bildverarbeitung & Diagnostik Donnerstag, 18. September 2025, 10:55 – 11:51, Seminarraum 14 + 15

Evaluierung eines KI-basierten Trainingstools für die Paris Klassifizierung von kolorektalen Läsionen

Authors

  • P Sodmann

    1   Universitäts klinikum Würzburg, Interventionelle und Experimentelle Endoskopie (InExEn), Medizinische Klinik und Poliklinik 2, Zentrum für Innere Medizin (ZIM), Würzburg, Deutschland
  • R Weber

    1   Universitäts klinikum Würzburg, Interventionelle und Experimentelle Endoskopie (InExEn), Medizinische Klinik und Poliklinik 2, Zentrum für Innere Medizin (ZIM), Würzburg, Deutschland
  • I Kafetzis

    1   Universitäts klinikum Würzburg, Interventionelle und Experimentelle Endoskopie (InExEn), Medizinische Klinik und Poliklinik 2, Zentrum für Innere Medizin (ZIM), Würzburg, Deutschland
  • I A Syed

    1   Universitäts klinikum Würzburg, Interventionelle und Experimentelle Endoskopie (InExEn), Medizinische Klinik und Poliklinik 2, Zentrum für Innere Medizin (ZIM), Würzburg, Deutschland
  • Y Chiang

    1   Universitäts klinikum Würzburg, Interventionelle und Experimentelle Endoskopie (InExEn), Medizinische Klinik und Poliklinik 2, Zentrum für Innere Medizin (ZIM), Würzburg, Deutschland
  • V Parayitam

    1   Universitäts klinikum Würzburg, Interventionelle und Experimentelle Endoskopie (InExEn), Medizinische Klinik und Poliklinik 2, Zentrum für Innere Medizin (ZIM), Würzburg, Deutschland
  • A Meining

    1   Universitäts klinikum Würzburg, Interventionelle und Experimentelle Endoskopie (InExEn), Medizinische Klinik und Poliklinik 2, Zentrum für Innere Medizin (ZIM), Würzburg, Deutschland
  • A Hann

    1   Universitäts klinikum Würzburg, Interventionelle und Experimentelle Endoskopie (InExEn), Medizinische Klinik und Poliklinik 2, Zentrum für Innere Medizin (ZIM), Würzburg, Deutschland
 

Einleitung: Die standardisierte Klassifikation kolorektaler Läsionen nach Paris ist für die präzise Befunderstellung essenziell. Die derzeitigen Trainingsmöglichkeiten für diese Klassifikation basieren auf patientenbezogenem Bildmaterial. Fortschritte in der generativen Künstlichen Intelligenz (KI) ermöglichen nun die Erstellung realistischer Bilder, welche nicht in einem Patienten aufgenommen wurden. KI ermöglicht damit die Erstellung eines frei verfügbaren Trainings ohne patientenbezogene Daten.

Ziele: Anhand verschiedener Trainingsmodelle soll der Lernzuwachs in Bezug auf die korrekte Klassifikation nach Paris evaluiert werden. Dafür erfolgt die Verwendung von KI-generierten Bildern im Vergleich zu konventionellem Training mit echtem Bildmaterial.

Methoden: Es wurde eine generative KI trainiert, um synthetische Bilder von Kolonpolypen zu erzeugen mit der Möglichkeit zur Darstellung verschiedener Paris-Typen. Die Teilnehmenden aus 7 Zentren (Deutschland, USA, Israel) wurden nach dem Zufallsprinzip in Kontroll- und Interventionsgruppe eingeteilt. Alle Teilnehmenden absolvierten Tests vor und nach dem Training mit dem Ziel den Lernzuwachs zu messen. Während des Trainings klassifizierten die Teilnehmenden Polypenbilder und erhielten im Anschluss Feedback mit anschaulichen Beispielen. Bei den Beispielen der Kontrollgruppe handelte es sich um echte Polypenbilder, während die Beispiele der Interventionsgruppe KI-generierte Polypenbilder enthielten. Alle künstlich generierten Bilder wurden zuvor von mindestens vier erfahrenen Endoskopierenden validiert.

Ergebnisse: Beide Gruppen zeigten nach der aktuellen vorläufigen Analyse einen ähnlichen Lernzuwachs (Kontrollgruppe:+12%, Interventionsgruppe:+11%). Allerdings hatten alle Teilnehmenden der Kontrollgruppe bereits Erfahrung mit der Paris Klassifikation und der Endoskopie mit teilweise bis zu 400 durchgeführten Koloskopien. Im Gegensatz dazu waren die meisten Teilnehmenden der Interventionsgruppe Anfänger mit minimaler, oder keiner Endoskopie-Erfahrung.

Schlussfolgerung: Ein auf KI-generierten Bildern basierendes Training kann besonders für Anfänger von Vorteil sein, ohne einen signifikanten Nachteil im Vergleich zu einem Training mit echten endoskopischen Bildern darzustellen.



Publikationsverlauf

Artikel online veröffentlicht:
04. September 2025

© 2025. Thieme. All rights reserved.

Georg Thieme Verlag KG
Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany