Praxistaugliche strukturierte Befundung? EndoReg-DB – Ein neuer Ansatz zur integrativen Datenhaltung in der Endoskopie

Einleitung: Zugänglichkeit von Daten spielt eine große Rolle in der klinischen Praxis und Forschung. Insbesondere bei Interventionen, beispielsweise Endoskopischen Eingriffen, ist eine gründliche Dokumentation entscheidend um Informationsverlust zu vermeiden. Bisherige Versuche einer strukturierten endoskopischen Befundung hatten mäßigen Erfolg. Neben dem regelmäßigen Aktualisieren zeigte sich auch ein hoher Zeitaufwand als limitierend für die Nutzung im klinischen Alltag. Selbst bei adäquater Nutzung der Systeme sind Daten oft nur im beschränkten Maße zugänglich und geeignet zur Nutzung in der Forschung ([Table 1]).

Table 1 

Modul	Submodul	Datenbank Modelle	Kurzbeschreibung
Administration	Künstliche Intelligenz	ActiveModel, AiModel, AiModelType	KI Modelle zur Bild, Video und Textverarbeitung
Administration	Zentrum	Klinik, Klinik-Produkte, -Resourcen, -Abfälle	Zentrums-Spezifische Informationen
Administration	Person	Namen, Untersucher, Patient, Beruf	Repräsentation unterschiedlicher Personengruppen
Administration	Produkt	Produkt, Produkt-Gruppe, -Material, -Gewicht,	Repräsentation Medizinischer Materialien
Label	Label	Label, Label-Type, LabelSet	Annotation und Labelling für KI Interaktion
Label	Annotation	Bild-Klassifikation, Video-Segmentierung	Annotation und Labelling für KI Interaktion
Media	pdf	RawPdfFile, DocumentType, AnonymExaminationReport, AnonymHistologyReport	Import von Dokumenten, Verarbeitung zu de-personalisierten, standardisierten Datensätzen
Media	Video	VideoFile	Repräsentation von VideoDateien
Media	Frame	Frame	Repräsentation von Einzelbildern
Medical	Krankheit	Disease, DiseaseClassification, DiseaseClassificationChoice	Erkrankungen und deren Klassifikationen
Medical	Event	Event, EventClassification, EventClassificationChoice	Ereignisse und deren Klassifikationen
Medical	Untersuchung	Examination, ExaminationType, ExaminationIndication, ExaminationIndicationClassification, ExaminationIndicationClassificationChoice, ExaminationTime, ExaminationTimeType	Repräsentation von endoskopischen Untersuchungen
Medical	Befund	Finding, FindingType, FindingLocationClassification, FindingLocationClassificationChoice, FindingMorphologyClassification, FindingIntervention, FindingInterventionType	Repräsentation von Befunden
Medical	Patient	PatientExamination, PatientFinding, PatientFindingLocation, PatientFindingLocation, PatientFindingMorphology, PatientFindingIntervention, PatientDisease, PatientEvent, PatientExaminationIndication, PatientLabSample, PatientLabSampleType, PatientLabValue, PatientMedication, PatientMedicationSchedule	Patientenbezogene Datenbank Objekte mit Bezug auf andere Klassen (bspw Examination, Finding, ...)
Medical	Risiko	Risk, RiskType	Risikofaktoren, bspw. Blutungsrisiko
Medical	Medikation	Medication, MedicationSchedule, MedicationIntakeTime, MedicationIndicationType, MedicationIndication	Repräsentation von Medikamenten inkl. deren Indikation und Einnahme-Empfehlungen
Medical	Hardware	Endoscope, EndoscopeType, EndoscopyProcessor	Repräsentation von Hardware, inkl. Prozessorspezifischer Informationen wie bspw. Pixel-Koordinaten
Medical	Labor	LabValue	Repräsentation von Laborwerten inkl. Einheit und Referenzwert
Medical	Organ	Organ	Repräsentation von Organen
Metadata	Künstliche Intelligenz	ModelMeta, VideoPredictionMeta	Modell Versionierung etc.
Metadata	pdf	PdfMeta, PdfType	Bspw. Regeln zur Verarbeitung bestimmter Dokumenten-Typen
Metadata	Sensitive Daten	SensitiveMeta	Isolierte Haltung sensibler Informationen; Pseudonymisierung; Anonymisierung
Metadata	Video	VideoMeta, FFMpegMeta	Bspw. Framerate, Farbtiefe, genutzter Endoskopie-Prozessor
Other	Verteilung	BaseValueDistribution,NumericValueDistribution, SingleCategoricalValueDistribution, MultipleCategoricalValueDistribution, DateValueDistribution	Mathematische Verteilungen und Helferfunktionen zur Anwendung
Other	Emission	EmissionFactor	Emissionsfaktoren zur Berechnung von CO2 Fußabdrücken
Other	Geschlecht	Gender
Other	Quellen	InformationSource	Bspw. Leitlinien-Kapitel, KI-Vorhersage, Experten-Annotation
Other	Material	Material	Bspw. Kupfer, Titan
Other	Ressourcen	Resource	Bspw. Erdgas
Other	Transport	TransportRoute	Transportmittel und Emissionsfaktoren
Other	Einheit	Unit	Bspw. kg, ml
Other	Abfall	Waste	Bspw. Restmüll, Sondermüll

Ziele: Entwicklung einer Open-Source Datenbank-Plattform zur Abbildung endoskopischer Fälle. Durch direktes Einbinden von PyTorch-basierter Videoverarbeitung können klinische Daten standardisiert zur zügigen Entwicklung, Anpassung und Evaluation neuer KI-Modelle genutzt werden. Die KI-Modelle können zur Befundungsunterstützung genutzt werden.

Methodik: Leitlinien zur Versorgungsqualität in der Endoskopie sowie zur endoskopischen Darmkrebsvorsorge wurden analysiert und Anforderungsprofile für die verschiedenen Anwendungszwecke wurden erstellt:

• Klinische Unterstützung (Aufklärung, Koloskopie-Befundung)

• Weiterbildung (strukturiertes Abbilden von spezifischen Leitlinienempfehlungen am Beispiel Antikoagulations-Management vor Koloskopie)

• Forschung (KI-Anwendungen, Anonymisierungsprozess, Video und PDF Dateien)

Anschließend erfolgte die Entwicklung einer Python / Django / PyTorch basierten Web-Applikation mit integrierter relationaler Datenbank ([Abb. 1]).

Abb. 1  Vereinfachte Übersicht der Beziehungen relevanter Datenbank Tabellen.

Ergebnis: Quellcode, Dokumentation, Basisdaten, KI-Modell inkl. Video-Clips zum Testen finden sich unter https://github.com/wg-lux/endoreg-db . Die entwickelte Datenbank gliedert sich in 6 Module um medizinische Daten für Klinik und Forschung zu erfassen:

Die enthaltenen Basisdaten enthalten umfangreiche Informationen zu den o.g. Anwendungszwecken.

Schlussfolgerung: Der erarbeitete Prototyp ermöglicht es klinische Endoskopie-Daten strukturiert zu verarbeiten und auszuwerten. Aktuell richtet sich das Framework primär an klinische Forscher und soll das Datenmanagement erleichtern und standardisieren.