OnlineEndoTrainer – Synergie zwischen einer Trainingsplattform und der KI-Entwicklung

Hintergrund: Diese Studie baut auf einem zuvor entwickelten KI-System auf, welches die Dokumentation von Koloskopien unterstützen soll. Das ursprüngliche Modell, das mit über 10.000 annotierten Frames aus multizentrischen Datensätzen trainiert wurde, segmentierte unterschiedliche Untersuchungsabschnitte (Vorschub, Rückzug, Polypektomie) und selektierte Bild-Vorschläge für den Untersuchungsbefund (Lux et al. 2023).

Ziel: Ziel war es, die Anwendung des bestehenden KI-Systems zu erweitern, um Bilder aus den Videos zu selektieren welche auf einer Online-Plattform zur Weiterbildung in Form eines Quiz zur Verfügung zu stellen. Die erhobenen Nutzungs-Statistiken können zur Identifikation "strittiger" Polypen und zum Training weiterer KI-Modelle genutzt werden.

Methoden: Anonymisierte Koloskopie-Videos mit gesichertem Vorkommen von Polypen (n=10) wurden mit dem zuvor trainierten KI-Modell analysiert. Es wurde je ein Bilder-Set zum Training der Paris und eines zum Training der NICE Klassifikation erstellt. Ausgewählt wurden Video-Sequenzen mit der Vorhersage "Polyp" jedoch ohne "Instrument" (maximal 3 Sequenzen pro Video; Uniform Selection aus Sequenzen>2 s). Das vorhergesagte Label "digital chomoendoscopy" galt als Ausschlusskriterium für das Paris-Set und als Einschlusskriterium für das NICE-Set. Insgesamt wurden maximal 2 x 15 Bilder pro Video gesammelt. Alle selektierten Bilder wurden von einem Experten auf Tauglichkeit zur Nutzung auf der o.g. Plattform geprüft (ja / nein).

Design der geplanten Nutzerstudie: Teilnehmende geben ihre endoskopische Erfahrung an (Anfänger:<100 Koloskopien, intermediär: 100 – 1000, Experte:>1000). Anschließend können Nutzer bzgl. Paris / NICE Klassifikation bewerten. Geplant ist die Analyse von Inter-Rater Agreement nach Erfahrung. Antworten zu allen Bildern identischer Polypen werden gepoolt (anhand vorheriger Videoannotation).

Ergebnisse: Die maximale Bildanzahl von 2 x 1500 Bildern wurde erreicht. Alle selektierten Sequenzen enthielten Polypen. Für das Paris-Set waren 1322 / 1500 (88%) für das NICE Set 1190 / 1500 (79%) der Bilder zur Nutzung auf der Plattform geeignet.

Schlussfolgerung: Diese Studie stellt einen Fortschritt bei der stetigen Re-Evaluation von Polypenklassifikation dar. Auch eine Nutzung zum zentrums-spezifischen Fine-Tuning von Modellen ist denkbar. Die öffentliche Bereitstellung bietet Mehrwert durch die Verfügbarkeit von Trainings-Material. Die Nutzung durch eine breite Nutzerbasis hat das Potenzial, zuverlässige Datensätze zu erheben.

Publication History

Article published online:
04 September 2025