Von Plastik zur Praxis: KI steigert die Realitätsnähe bei der Durchführung von Koloskopien am Silikonmodell

Einleitung: Bei der Nutzung von Silikonmodellen zum Training von Koloskopien mangelt es oft an visueller Ähnlichkeit zu echten Schleimhäuten. Eine innovative Lösung bietet Künstliche Intelligenz (KI), die im Stande ist, realistische Schleimhäute zu simulieren, um die visuelle Realitätsnähe beim Üben am Silikonmodell zu steigern.

Ziele: Das Ziel dieser Studie ist die Evaluation eines Style-Transfer KI-Modells, welches Videoaufnahmen eines Silikonmodells des Kolons visuell anpasst, sodass die Silikonoberfläche Ähnlichkeit zu realer Schleimhaut hat.

Methodik: Das Style-Transfer KI-Modell wurde mit Hilfe von 239.875 Bildern aus 3.452 Koloskopien, die mit fünf verschiedenen Endoskopie-Prozessoren aufgenommen wurden, trainiert. Das KI-Modell wurde auf zwei Videos aus einem Kolon-Silikonmodell (Visualisierung eines Polypen und Rückzug mit regelhafter Schleimhaut) angewandt. Die Originalaufnahmen sowie die KI-aufgewerteten Videos wurden 12 Ärztinnen und Ärzten aus der Gastroenterologie gezeigt, welche die Videos quantitativ auf einer 5-stufigen Likert-Skala (1: Stimme überhaupt nicht zu, 5: Stimme voll zu) und qualitativ mit Freitext Feedback bewertet haben. Die Analyse der Daten wurde mit Wilcoxon-Vorzeichen-Rang-Tests mit Pratt-Korrektur und einer induktiven Inhaltsanalyse nach Mayring durchgeführt.

Ergebnis: Die KI-transformierten Videos wurden im Vergleich zu den Silikonmodell-Originalaufnahmen von allen Teilnehmenden aufgrund der gesteigerten Realitätsnähe bevorzugt. Außerdem wurden die KI-transformierten Videos als signifikant visuell realistischer (M=2.42 vs 4.17, Z=-3.22, p<.001), hilfreicher zum Trainieren (M=3.67 vs 4.25, Z=-2.65, p=.016) und Klassifizieren von Polypen (M=2.92 vs 3.75, Z=-2.38, p=.027), bevorzugt zur Nutzung (M=2.92 vs 4.00, Z=-2.80, p=.005) und als einfacher für Blickdiagnosen (M=3.58 vs 4.42, Z=-2.23, p=.039), bewertet. Dennoch wurden die Originalaufnahmen als signifikant weniger mental anspruchsvoll beurteilt (M=1.67 vs 2.42, Z=-2.61, p=.016). Das qualitative Feedback ergab, dass die KI-generierte Schleimhaut eine Aufwertung (100%) der unrealistischen Silikonoberflächen (92%) darstellt. Als Vorschlag zur Weiterentwicklung nannten Teilnehmende die Integration weiterer realistischer Läsionen (33%) und Details der Mukosa (42%).

Schlussfolgerung: KI-Modelle, welche mukosale Oberflächen für Silikonmodelle simulieren, verbessern deren Realitätsnähe und somit den Bildungswert.

Publikationsverlauf

Artikel online veröffentlicht:
04. September 2025