Z Gastroenterol 2025; 63(08): e609-e610
DOI: 10.1055/s-0045-1811087
Abstracts | DGVS/DGAV
Kurzvorträge
KI in der Endoskopie-Bildverarbeitung & Diagnostik Donnerstag, 18. September 2025, 10:55 – 11:51, Seminarraum 14 + 15

Künstliche Intelligenz-basierte Detektion von Angiodysplasien im Kolon zur Verbesserung der Dokumentation von Koloskopien

Authors

  • I Kafetzis

    1   Universitätsklinikum Würzburg, Interventionelle und Experimentelle Endoskopie (InExEn), Medizinische Klinik und Poliklinik II, Würzburg, Deutschland

  • J Theile

    1   Universitätsklinikum Würzburg, Interventionelle und Experimentelle Endoskopie (InExEn), Medizinische Klinik und Poliklinik II, Würzburg, Deutschland

  • J Albert

    2   Katharinenhospital, Klinik für Allgemeine Innere Medizin, Gastroenterologie, Hepatologie, Infektiologie und Pneumologie, Stuttgart, Deutschland

  • S Dimitriadis

    3   Gastroenterologische Privatpraxis, Thessaloniki, Griechenland

  • W Zoller

    2   Katharinenhospital, Klinik für Allgemeine Innere Medizin, Gastroenterologie, Hepatologie, Infektiologie und Pneumologie, Stuttgart, Deutschland

  • A Meining

    1   Universitätsklinikum Würzburg, Interventionelle und Experimentelle Endoskopie (InExEn), Medizinische Klinik und Poliklinik II, Würzburg, Deutschland

  • A Hann

    1   Universitätsklinikum Würzburg, Interventionelle und Experimentelle Endoskopie (InExEn), Medizinische Klinik und Poliklinik II, Würzburg, Deutschland
Further Information
Also available at
 
 

    Einleitung: Angiodysplasien im Kolon sind mit Blutungen in unserem Gastrointestinaltrakt assoziiert. Trotz ihrer klinischen Relevanz ist die Dokumentation in den Untersuchungsberichten uneinheitlich und die bildbasierte Identifizierung variiert erheblich. Künstliche Intelligenz (KI) ermöglicht die standardisierte Identifikation und Dokumentation solcher Befunde.

    Ziele: Ziel dieser Studie ist die Entwicklung und Validierung einer KI, die Kolon-Angiodysplasien in endoskopischen Bildern identifizieren kann. Außerdem soll die konsequente Dokumentation von diesen Befunden im Endoskopiebericht verbessert werden.

    Methodik: Insgesamt wurden 34.953 Endoskopieberichte retrospektiv auf das Vorhandensein von Angiodysplasien gescreent, 993 davon enthielten Begriffe passend zu identifizierten Angiodysplasien. Nach manueller Annotation wurden in 957 Bildern Angiodysplasien identifiziert und für das Training der KI verwendet. Die Leistung der KI wurde anhand von 3.936 manuell annotierten Bildern, die 240 Untersuchungen entsprechen und aus einer zweiten Klinik kamen, bewertet. Ferner wurde die KI auf Bilder von Untersuchungen aus der zweiten Klinik angewandt, bei denen keine Angiodysplasien im Bericht beschrieben worden war. Dies geschah um eine potenzielle mangelhafte Dokumentation festzustellen.

    Ergebnis: Bei der externen Validierung zeigte die KI eine Präzision von 94,3% (95% CI: 93,5%-95,1%), mit einer Sensitivität von 80% (95% CI: 76,8%-84%) und einer Spezifität von 96,5% (95% CI: 95,9%-97,2%) beim Auffinden von Bildern mit Angiodysplasien. Die KI identifizierte 112 Untersuchungen mit vorhandenen Bildern von Angiodysplasien, welche trotz Bilderfassung nicht im Bericht erwähnt wurden.

    Schlussfolgerung: KI kann zuverlässig Angiodysplasien des Kolons in endoskopischen Bildern identifizieren. Die Integration dieser Technologie in den Dokumentationsablauf hat das Potenzial die Vollständigkeit und Einheitlichkeit von Endoskopieberichten zu verbessern.


     

    Publication History

    Article published online:
    04 September 2025

    © 2025. Thieme. All rights reserved.

    Georg Thieme Verlag KG
    Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany