Prospektive multizentrische Studie zum durch künstliche Intelligenz unterstützten Qualitätsbewertungssystem für die Koloskopie

Die Koloskopie ist eine Schlüsseltechnik zur Erkennung und Diagnose von Erkrankungen des unteren Gastrointestinaltrakts. Eine qualitativ hochwertige Endoskopie führt zu besseren Ergebnissen. Allerdings ist das Qualifikationsniveau der verschiedenen Endoskopiker sehr unterschiedlich. Die Rate der verpassten Diagnosen kolorektaler ADENOMAS betrug 22 %, die Rate der verpassten Diagnosen lag zwischen 7,4 % und 52,5 %. Eine Reihe von Studien zeigte, dass bei 12,1 % der Patienten während der Koloskopie kein Krebs auftrat, sondern innerhalb von 5 Jahren die Diagnose Darmkrebs (post-colonoscopy Colorectal Cancer, PCCRC) gestellt wurde, wovon 71 %–86 % auf die Nachlässigkeit des Patienten zurückzuführen waren Endoskopiker 6, sieben. Daher ist es sehr wichtig, die Qualität routinemäßiger endoskopischer Untersuchungen zu verbessern und gleichzeitig die endoskopische Technik zu erweitern.

Der Qualitätskontrollindex des Koloskops kann das Operationsniveau von Endoskopieärzten widerspiegeln und ist ein sehr wichtiges Instrument zur Sicherstellung der Qualität des Koloskops. Die Untersuchung und Rückmeldung der Qualitätskontrolldaten des Endoskopikers kann die Erkennungsrate von Läsionen effektiv verbessern und das hohe Niveau der endoskopischen Qualität gewährleisten. Der Schlüssel zur Gewährleistung der Qualität der Enteroskopie ist die Vorlage eines Qualitätskontrollindex, der die Qualität der endoskopischen Operation widerspiegeln kann. Barclay schlug 2006 vor, dass es einen signifikanten Zusammenhang zwischen der Koloskopie-Entzugszeit und der Rate von Adenomen bei Patienten gibt, und ihre Ergebnisse wurden im New England Journal of Medicine mit einem Impact-Faktor von 70,67 veröffentlicht. Dann gab es 367 Artikel über die Untersuchung der Geschwindigkeit des Enteroskopie-Entzugs. Aslinia führte eine retrospektive Analyse des Zusammenhangs zwischen der durch Enteroskopie erreichten Blindheitsinzidenz und der Prognose der Patienten durch und schlug die erreichte Blindheitsinzidenz als Qualitätskontrollindex für die Enteroskopie vor. Weitere Qualitätskontrollindikatoren wie Darmsauberkeit und Polypenerkennungsrate wurden in international renommierten Fachzeitschriften veröffentlicht und in die Leitlinien zur Regulierung der Qualität der täglichen Arbeit endoskopischer Ärzte aufgenommen, die von großer klinischer Bedeutung sind.

Trotz der oben genannten Qualitätskontrollindikatoren sind die vorhandenen endoskopischen Qualitätskontrollindikatoren jedoch äußerst unzureichend. Laut einer multizentrischen klinischen Studie spiegeln aktuelle Qualitätskontrollindikatoren nur etwa 40 % des Unterschieds in der Läsionserkennungsrate zwischen endoskopischen Ärzten wider. Das Vorhandensein dieses Phänomens deutete darauf hin, dass mehr Qualitätskontrollindizes erforderlich sind, um die Qualität endoskopischer Eingriffe vollständig widerzuspiegeln. Als Qualitätskontrollindex, der die Darmvorbereitung widerspiegelt, ist die Darmsauberkeit ein schwerwiegender Mangel mit starker Subjektivität und schlechter Konsistenz unter den Beobachtern. Daher benötigt die bestehende Koloskopie umfassendere, objektive Qualitätskontrollindikatoren, um das Niveau der endoskopischen Ärzte widerzuspiegeln und so sicherzustellen Qualität der Koloskopie.

Im letzten Jahrzehnt hat die künstliche Intelligenz (KI) im medizinischen Bereich bemerkenswerte Fortschritte gemacht. Andre Esteva nutzte ein tiefes neuronales Netzwerk (DNN), um Hautkrebs mit Expertengenauigkeit zu klassifizieren. Auf dem Gebiet der Verdauungsendoskopie gelang dem Projektteam bereits frühzeitig ein großer Durchbruch. Im Jahr 2018 reduzierte das vom Projektteam entwickelte Modell zur Überwachung des toten Winkels bei der Gastroskopie den toten Winkel bei der Endoskopie in randomisierten, kontrollierten klinischen Studien erheblich. Die Ergebnisse wurden in der Fachzeitschrift Gut mit einem Impact Factor von 17,94 veröffentlicht. Im Jahr 2019 zeigte das in der Fachzeitschrift gastrogastrotestinal endoscopy veröffentlichte Modell der künstlichen Intelligenz des Teams zur Bewertung der Darmsauberkeit mit einem Impact-Faktor von 7,23 eine bessere Bildgenauigkeit als das des Endoskopikers im Mensch-Computer-Wettbewerb. Im selben Jahr entwickelte das Projekt ein Modell zur Überwachung der Koloskopie-Geschwindigkeit basierend auf dem Hasche-Wahrnehmungsalgorithmus und ein Modell zur Überwachung der Koloskopie-Schiebespiegel basierend auf der Bildklassifizierung und führte randomisierte kontrollierte klinische Studien durch. Das Modell verbesserte die Fähigkeit von Koloskopikern, Läsionen zu erkennen, erheblich , Die Studie wurde in The Lancet Gastroenterology 18 mit einem Impact Factor von 12,87 veröffentlicht.

Basierend auf der oben genannten reichhaltigen Grundlage früher Arbeiten sowie der derzeit großen Nachfrage im Bereich der Qualitätskontrolle der Enteroskopie beabsichtigen wir, das von uns entwickelte, auf künstlicher Intelligenz basierende Enteroskopie-Austrittsgeschwindigkeits-, Darmsauberkeits- und Enteroskopie-Objektträgermodell zu validieren Das Projektteam führte eine multizentrische klinische Studie durch, um die Machbarkeit und Genauigkeit der ärztlichen Tätigkeit als Qualitätskontrollindex zu bewerten.