Z Gastroenterol 2021; 59(08): e279
DOI: 10.1055/s-0041-1734055
Deep Learning im Intestinum
Donnerstag, 16. September 2021, 12:00-13:20 Uhr, Saal 4
Endoskopie

Entwicklung des Polypendetektionssystems ENDOMIND und Vergleich mit einem kommerziell erhältlichen CADe System

D Fitting
1   Universitätsklinikum Würzburg, Med. Klinik II, Gastroenterologie, Würzburg, Deutschland
,
A Krenzer
1   Universitätsklinikum Würzburg, Med. Klinik II, Gastroenterologie, Würzburg, Deutschland
,
J Troya
1   Universitätsklinikum Würzburg, Med. Klinik II, Gastroenterologie, Würzburg, Deutschland
,
W Böck
2   Internistische Gemeinschaftspraxis Mangold/Böck, Ulm, Deutschland
,
A Meining
1   Universitätsklinikum Würzburg, Med. Klinik II, Gastroenterologie, Würzburg, Deutschland
,
H Alexander
1   Universitätsklinikum Würzburg, Med. Klinik II, Gastroenterologie, Würzburg, Deutschland
,
InExEn › Author Affiliations
 
 

    Einleitung Der Einsatz von künstlicher Intelligenz zur Polypendetektion (CADe) ist Gegenstand intensiver Forschung in der Endoskopie. Eines der ersten zugelassenen Systeme war GI Genius. In einer multizentrischen randomisierten Studie führte dessen Einsatz zu einer signifikanten Steigerung der Adenomdetektionsrate. Mehrere CADe Systeme sind inzwischen kommerziell verfügbar. Vergleichsdaten zwischen den Systemen liegen nicht vor.

    Ziel dieser Arbeit ist der Vergleich des in der eigenen Arbeitsgruppe entwickelten CADe-Prototyps ENDOMIND, entwickelt aus Bilddaten ambulanter Koloskopien, mit dem kommerziell verfügbaren System GI Genius

    Material und Methoden Koloskopievideos, die 80 Polypen enthalten, wurden in einer gastroenterologischen Schwerpunktpraxis aufgezeichnet. Diese Bilddaten wurden manuell in Bezug auf Polypen annotiert, so dass ein 47 634 Bilder umfassender Trainingsdatensatz (80 % Polypenbilder, 20 % normale Schleimhaut) entstand.

    Zum Vergleich beider Systeme wurden in einem separaten Zentrum unter Einsatz des CADe System GI Genius Koloskopien mit insgesamt 18 Polypen aufgezeichnet. Die Bilddaten umfassten einen Datensatz der Koloskopievideos mit den bounding boxes des Systems sowie die Rohdaten der Koloskopien. Die Annotation dieser Daten resultierte im Validationsdatensatz der 168 126 Bilder umfasste. Die Rohdaten wurden mit ENDOMIND analysiert. Es erfolgte eine manuelle Auswertung der einzelnen Videoframes (25/s) hinsichtlich Detektion der Polypen, mediane Zeit bis zur Polypendetektion sowie Rate an falsch positiv markierten Schleimhautstellen.

    Ergebnisse Alle 18 Polypen wurden von beiden CADe Systemen erkannt. Die mediane Detektionszeit von ENDOMIND betrug 340ms im Vergleich zu 666,67ms bei dem kommerziellen CADe-System. Die Rate an falsch-positiven Detektionen von 4 % lag über der des kommerziellen CADe-Systems von 3 %.

    Schlussfolgerung Der in der eigenen Arbeitsgruppe entwickelte CADe-Prototyps ENDOMIND zeigt in der ersten Evaluation gute Performance und Sensitivität im Vergleich zu dem kommerziell verfügbaren System GI Genius. Weitere Trainingsdaten sind notwendig um die Spezifität des Systems zu verbessern.


    #

    Publication History

    Publication Date:
    07 September 2021 (online)

    © 2021. Thieme. All rights reserved.

    Georg Thieme Verlag KG
    Rüdigerstraße 14, 70469 Stuttgart, Germany