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.
