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.
