Der Dresdner Endoskopie Datensatz für Endoskopisch Retrograde Cholangiopankreatikographie

Einleitung: Die Anwendung von künstlicher Intelligenz (KI) erweitert diagnostische Möglichkeiten in der Medizin. In der Endoskopie kommen KI-Modelle bereits zur Detektion von Polypen und Karzinomen zum Einsatz. Für fortgeschrittene Prozeduren wie die endoskopische retrograde Cholangiopankreatikographie (ERCP) ist KI-Entwicklung jedoch durch die fehlende Verfügbarkeit öffentlicher, hochqualitativer Datensätze limitiert.

Ziele: Ziel der Studie war die erstmalige Erstellung eines endoskopischen ERCP-Videodatensatzes als Grundlage für die Entwicklung assistiver und prädiktiver KI-Modelle.

Methodik: Seit Januar 2021 wurden am Universitätsklinikum Dresden endoskopische Videos der ERCPs aufgezeichnet. Die Rohdaten wurden semi-automatisch verarbeitet, um sie für KI-Anwendungen zu optimieren. Die Schritte umfassten (1) Zuschneiden, (2) Einkürzen auf den intraluminalen Teil der Untersuchung und (3) Maskieren störendender Texteinblendungen. Die Videos wurden gemeinsam mit den schriftlichen Untersuchungsbefunden in einer sicheren Online-Forschungsdatenbank verwaltet. Unstrukturierte Untersuchungsbefunde wurden von geschultem Personal mithilfe eines strukturierten Fragebogens in maschinenlesbares Format überführt und durch einen Facharzt für Gastroenterologie verifiziert. Zur technischen Validierung des Datensatzes wurde ein multiple instance learning (MIL)-Modell auf eine Teilmenge der Videos trainiert.

Ergebnis: Zwischen 2021 und 2024 wurden Videos von 1.024 ERCPs mit vielseitigen Indikationen aufgezeichnet. Die strukturierte Aufbereitung der Befunde ermöglichte die Erfassung zentraler Untersuchungselemente wie Stentplatzierung, signifikante Blutungen, Ausfluss aus der Papilla Vateri, anatomische Varianten, Papillotomie, sowie eingesetzte Instrumente ([Abb. 1] [2]).

Abb. 1  

Abb. 2  

Das MIL-Modell wurde zur technischen Validierung auf drei spezifische Aufgaben trainiert: Nachweis eines Stents zu Untersuchungsbeginn, Blutungen mit Hämostasetechniken und Ausfluss aus der Papille ([Tab. 1]).

Table 1 

	Signifikante Blutung	Papillärer Ausfluss	Stent einliegend
N (%) in analysiertem Teildatensatz (n=527)	32 (6%)	230 (43%)	268 (50%)
Präzision	19.3%	65.0%	81.4%
Recall / Sensitivität	100%	56.5%	88.9%
Spezifität	74.7%	76.2%	78.4%
F1-Score	32.4%	60.5%	84.9%
AUROC	95.5%	78.0%	92.9%

Schlussfolgerung: Dieser erste ERCP-Videodatensatz legt den Grundstein für die Entwicklung assistiver und prädiktiver KI-Modelle. Die grundsätzliche Verwendbarkeit wurde durch eine technische Validierung bestätigt. Für generalisierbare Modelle sind künftig multizentrische Datensätze mit Endoskopen unterschiedlicher Hersteller erforderlich. Zudem könnten künftige Datensätze, die zusätzlich das fluoroskopische Videosignal enthalten, die Einsatzmöglichkeiten KI-gestützter Anwendungen bei ERCP erweitern.

Informationen zum Einsatz von KI: Der Abstract wurde mithilfe von generativer KI (GPT-4o) stilistisch überarbeitet und gekürzt.