Einleitung: Das Erkennen und präzise Klassifizieren von Polypen bei der Koloskopie ist essenziell
für die Darmkrebsvorsorge, hängt jedoch stark von der Erfahrung des Untersuchers ab.
Da Trainingsmöglichkeiten auf patientenbezogene Daten angewiesen sind, stehen nur
wenige frei verfügbare Quellen für die Weiterbildung zur Verfügung. KI-generierte
Bilder ermöglichen das Training der Klassifizierung von Krebsvorstufen und bereichern
die Variabilität der Trainingsdaten, ohne auf Patientendaten angewiesen zu sein.
Ziele: Diese Studie evaluiert die Realitätsnähe KI-generierter Bilder von Kolonpolypen.
Methodik: Basierend auf über 40 Millionen Endoskopiebildern aus mehr als 7000 Untersuchungen
haben wir eine auf latenter Diffusion basierende KI entwickelt, die realistische Bilder
von Kolonpolypen generiert. Zur Überprüfung der Realitätsnähe KI-generierter Polypenbilder
führten wir eine multizentrische, internationale Studie durch. Insgesamt wurden 55
Ärztinnen und Ärzte aus 47 Zentren in 15 Ländern rekrutiert, darunter 48 Personen
mit Erfahrung von über 1.000 Koloskopien. Den Teilnehmenden wurden jeweils 20 echte
und 20 KI-generierte Polypenbilder präsentiert. Ihre Aufgabe bestand darin, jedes
Bild als echt oder KI-generiert zu klassifizieren und ihre Entscheidungssicherheit
anzugeben.
Ergebnis: Von den 55 Teilnehmenden wurden 53 in die Analyse eingeschlossen. Die Genauigkeit
bei der korrekten Klassifizierung der Bilder lag bei 73% (95% Confidence Interval
(CI), 70% – 76%). KI-generierte Polypen wurden mit einer Sensitivität von 66% (95%
CI, 60% – 71%) und einer Spezifität von 80% (95% CI, 0,76% – 0,84%) richtig klassifiziert.
Korrespondierend dazu, lag bei der Klassifizierung echter Polypen die Sensitivität
bei 80% (95% CI, 0,76% – 0,84%) und die Spezifität bei 66% (95% CI, 60% – 71%). Die
Beurteilung der KI-generierten Polypen ging mit einer signifikant erhöhten Unsicherheit
einher (p<0,001).
Schlussfolgerung: Die Ergebnisse unserer Studie zeigen, dass unsere KI realistische Bilder kolorektaler
Polypen erzeugen kann, die selbst von erfahrenen Endoskopierenden kaum von echten
Aufnahmen zu unterscheiden sind. In Folgestudien planen wir, diese KI-generierten
Bilder für den Aufbau einer Trainingsplattform zur Klassifikation von Darmkrebsvorstufen
einzusetzen.