Entwicklung und Validierung eines durch künstliche Intelligenz unterstützten Strategieauswahlsystems für die Koloskopiereinigung

Die kolorektale Erkrankung als häufige menschliche Erkrankung beeinträchtigt die Gesundheit des menschlichen Lebens ernsthaft. Mit der Alterung der Bevölkerung, der Änderung der Ernährungsstruktur und der Verschärfung der Umweltverschmutzung hat die Häufigkeit von Darmerkrankungen wie Dickdarmkrebs, Dickdarmpolypen und entzündlichen Darmerkrankungen allmählich zugenommen.

Die Koloskopie ist das einfachste und am weitesten verbreitete Screening-Verfahren zur Vorbeugung und Früherkennung von Darmkrebs (CRC). Die Koloskopie kann die kleinen Veränderungen im terminalen Ileum und im Dickdarm deutlich beobachten, wie Erosion, Geschwüre, Blutungen, Staus, Ödeme, Polypen, Krebs im Frühstadium und so weiter. Die Koloskopie kann die Läsionsstelle für die pathologische Untersuchung biopsieren, um die Schleimhautläsionen histologisch qualitativ zu charakterisieren, wie z. B. Entzündung, Polypennatur, Differenzierungsgrad von Krebs und so weiter. Es ist hilfreich, den Schweregrad der Läsion zu verstehen und die Formulierung des richtigen Behandlungsplans oder die Beurteilung der Behandlungswirkung zu steuern. Die Koloskopie kann auch die minimal-invasive endoskopische Behandlung von Darmpolypen, Krebs im Frühstadium, Blutungen, Fremdkörpern und anderen Krankheiten sein.

Da die Qualität der Darmvorbereitung die Fähigkeit der Koloskopie beeinflusst, Adenome und Polypen zu erkennen, ist eine angemessene Darmvorbereitung notwendig, um eine optimale Anwendung der Darmspiegelung bei der CRC-Prävention zu gewährleisten. Fast alle klinischen Leitlinien empfehlen eine angemessene Darmvorbereitung vor der Koloskopie. Es wurde jedoch festgestellt, dass bis zu einem Drittel der Koloskopien eine unzureichende Darmvorbereitung aufweisen, was die Kosten der Koloskopie schätzungsweise um 12 % bis 22 % erhöht. Und bei 20 % der Patienten ist der Darm nicht ausreichend vorbereitet. Wenn die Darmvorbereitung des Patienten unzureichend ist, kann die Schwierigkeit beim Spülen dazu führen, dass Adenome nicht erkannt werden. Daher müssen Ärzte solche Patienten genau identifizieren und ihnen sagen, dass sie sich nach einer vollständigen Darmreinigung einer zweiten Darmspiegelung unterziehen müssen. Die Bewertung der Darmsauberkeit wird jedoch von den Ärzten subjektiv entschieden, und es gibt keinen objektiven und effektiven Bewertungsstandard, der die Patienten anleitet, die zweite Darmspiegelung zu akzeptieren.

Deep Learning ist ein wichtiger Durchbruch im Bereich der künstlichen Intelligenz im letzten Jahrzehnt. Es hat ein großes Potenzial, winzige Merkmale bei der Bildanalyse und Bildklassifizierung zu extrahieren. Im Jahr 2017 veröffentlichte die Zeitschrift Nature ein Papier, das zeigt, dass der Einsatz künstlicher Intelligenz zur Diagnose von Hautkrankheiten das Niveau von Experten erreichen kann. In der Folge begannen im Bereich der Verdauungsendoskopie immer mehr Studien, künstliche Intelligenz anzuwenden, um Ärzte beim Auffinden von Polypen zu unterstützen und die Erkennungsrate von Polypen und Adenomen zu verbessern. Das Team von Urban, G. verwendete künstliche Intelligenz, um Polypen mit einer Empfindlichkeit von 95 % zu identifizieren. Das Team von Misawa, M, verwendete künstliche Intelligenz, um Polypen mit einer Empfindlichkeit von 90 % zu identifizieren. Das Ziel unserer Forschungsgruppe ist es, den EndoAngel mit Echtzeit-Darmsauberkeitsbewertung zu entwickeln. Es kann eine Entscheidungskurve für die Darmsauberkeit basierend auf der Beziehung zwischen dem Prozentsatz der Darmsegmente mit einem Boston-Score von 0-1 und der Erkennungsrate von Adenomen ableiten. Es kann Endoskopikern helfen, Patienten zu identifizieren, die eine zweite Koloskopie benötigen, um übersehene Adenome und die hohen Kosten für die Reinigungszeit zu vermeiden, die durch falsche Entscheidungen verursacht werden. Gleichzeitig befindet sich künstliche Intelligenz im Bereich der Verdauungsendoskopie im Vorforschungsstadium, unsere Forschungsergebnisse sollen neue Impulse zur Verbesserung der Erkennungsrate koloskopischer Adenome geben.

Der Studienablauf ist: Probanden, die alle Einschlusskriterien und nicht alle Ausschlusskriterien erfüllten, wurden vor der Koloskopie in die Studie aufgenommen. Während der Koloskopie müssen die Endoskopiker ohne Rückzug in derselben bleiben, während sie den Darm spülen. Die biopsierten Patienten werden eine Woche lang nachbeobachtet. Die nicht biopsierten Patienten werden am Ende ihrer Koloskopie nachbeobachtet und die Ergebnisse werden zur Überprüfung an ein unabhängiges Datenanalyseteam gesendet. Wir werden die Videos der Patienten sammeln und die Clips der Spülung, Biopsie und Beobachtung von Polypen ausschließen. Anschließend wertet der EndoAngel die Boston Bowel Preparation Scale des Colon ascendens, Colon transversum und Colon descendens aus und errechnet den Anteil von 1 Score.