Das „dritte Auge“ des Koloskopikers: Eine präklinische Vergleichsstudie zur künstlichen Intelligenz-unterstützten Polypendetektion
Kolorektalkarzinome (KRK) stellen in China ein erhebliches Gesundheitsproblem dar und belegen den dritten Platz in der Krebsinzidenz sowie den fünften Platz bei krebsbedingten Todesfällen. Die meisten KRK entwickeln sich aus adenomatösen Polypen, die frühzeitig durch Koloskopie erkannt und entfernt werden können, um eine Krebsprogression zu verhindern. Dennoch weist die konventionelle Koloskopie eine Polypenübersehensrate von über 40 % auf. Zwar haben neue endoskopische Techniken die Detektion verbessert, bleiben diese jedoch operatorabhängig und kostenintensiv. Künstliche Intelligenz (KI)-gestützte Polypendetektionssysteme bieten hier vielversprechende Lösungsansätze. Diese Studie evaluierte die Wirksamkeit eines neu entwickelten KI-Systems zur Polypendetektion in einer präklinischen Umgebung.
Methodik
In dieser kontrollierten Vergleichsstudie wurde die KI-gestützte Videoanalyse mit der konventionellen Koloskopie hinsichtlich der Polypendetektion verglichen. Erwachsene Patienten der Koloskopie-Ambulanz des Ningbo-Krankenhauses der Universität Zhejiang wurden eingeschlossen. Ausschlusskriterien umfassten Notfallkoloskopien, Polypektomien in der Vorgeschichte, schwere Darmerkrankungen oder Kontraindikationen für Koloskopien. Die Studie, Teil eines multizentrischen Projekts des Ningbo-Krankenhauses und der First Affiliated Hospital der Universität Zhejiang, wurde durch die Ethikkommission der First Affiliated Hospital genehmigt (IRB Nr. 2018-524). Eine Einwilligungserklärung wurde nicht eingeholt.
Eingeschlossene Patienten unterzogen sich zunächst einer konventionellen Koloskopie durch einen gastroenterologischen Arzt, der gegenüber der KI-Analyse verblindet war. Patienten mit unzureichender Darmvorbereitung (Boston-Bowel-Preparation-Scale <6), unvollständiger Koloskopie (keine Zäkumintubation) oder technisch mangelhaften Videos wurden ausgeschlossen. Die KI-gestützte Analyse der Koloskopievideos erfolgte anschließend durch fünf unabhängige Gutachter der First Affiliated Hospital, um falsch-positive Diagnosen auszuschließen. Primärer Endpunkt war die Polypendetektionsrate (PDR: Anzahl der Patienten mit ≥1 Polyp dividiert durch die Gesamtpatientenzahl). Sekundäre Endpunkte umfassten „Polyps per Colonoscopy“ (PPC: Gesamtpolypenanzahl pro Koloskopie) und „PPC-Plus“ (Anzahl zusätzlicher Polypen nach dem ersten Nachweis). Zudem wurden Polypenmerkmale (Lokalisation, Größe, Morphologie) analysiert.
Statistische Analyse
Die Datenauswertung erfolgte mit SPSS 20.0. Der McNemar-Test verglich die PDR zwischen KI und konventioneller Methode; Gruppenvergleiche wurden mittels Chi-Quadrat-Test durchgeführt. PPC und PPC-Plus wurden mittels Wilcoxon-Vorzeichen-Rang-Test analysiert. Ein p-Wert <0,05 galt als signifikant.
Ergebnisse
Von Mai bis August 2018 wurden 764 Patienten analysiert (90,4 % asymptomatisch, Screening-/Vorsorgekoloskopie). Die konventionelle Koloskopie detektierte 554 Polypen bei 271 Patienten, das KI-System 813 Polypen bei 348 Patienten. Die PDR der KI war signifikant höher (45,5 % vs. 35,5 %; p <0,001). Zudem identifizierte die KI mehr zusätzliche Polypen (465 vs. 283) sowie höhere PPC- (1,1 vs. 0,7; p <0,001) und PPC-Plus-Werte (0,6 vs. 0,4; p <0,001).
Die Lokalisation der Polypen war zwischen beiden Methoden vergleichbar, allerdings detektierte die KI häufiger kleine (<5 mm) und flache Läsionen. Senior-Operateure zeigten eine höhere PDR als Junior-Operateure, jedoch übertraf die KI beide Gruppen signifikant (Junior: 43,9 % vs. 34,2 %; Senior: 47,6 % vs. 37,0 %; jeweils p <0,001).
Diskussion
Das KI-System steigerte die Detektion von Polypen und Patienten mit positiven Befunden signifikant. Die Echtzeitanalyse (25,8 Millisekunden pro Frame) ermöglichte eine effiziente Integration in den klinischen Workflow. Limitationen umfassten 18 durch konventionelle Koloskopie detektierte, aber von der KI übersehene Polypen sowie falsch-positive Befunde durch Schleimhautfalten, Flüssigkeitsreste oder eingesaugte Mukosa. Die fehlende histologische Validierung der Zusatzpolypen und die Beschränkung auf OLYMPUS CV-290SL-Kolonoskope könnten die Generalisierbarkeit einschränken.
Schlussfolgerung
Das KI-System zeigt Potenzial, die Polypendetektionsrate zu erhöhen und die Operatorabhängigkeit zu verringern, insbesondere bei leicht übersehbaren Läsionen. Es fungiert somit als „drittes Auge“ des Koloskopikers. Multizentrische randomisierte Studien sind erforderlich, um die klinische Anwendbarkeit weiter zu validieren.
Interessenkonflikt
Die Autoren erklären keine Interessenkonflikte.
Zitierhinweis
doi.org/10.1097/CM9.0000000000002364