Erkennung von Dickdarmpolypen mithilfe eines groß angelegten Systems der künstlichen Intelligenz (KI).

Die Koloskopie ist der Goldstandard zur Erkennung und Entfernung präkanzeröser Läsionen und senkt nachweislich die Sterblichkeit. Allerdings beträgt die Übersehensrate für Polypen bei Koloskopien 22–28 %, während 20–24 % der übersehenen Läsionen histologisch bestätigte präkanzeröse Adenome sind. Um diesen Mangel zu beheben, schlagen die Forscher ein neues Polypenerkennungssystem vor, das auf Deep Learning basiert und den Bediener während einer Koloskopie in Echtzeit auf das Vorhandensein und die Position von Polypen aufmerksam machen kann. Die Ermittler nennen das System DEEP: (DEEP) DEtection of Elusive Polyps. Das DEEP-System wurde anhand von 3.611 Stunden Koloskopievideos trainiert, die aus zwei Quellen stammten, und wurde anhand eines Satzes von 1.393 Stunden Video validiert, der aus einer dritten, unabhängigen Quelle stammte. Für den Validierungssatz wurde die Grundwahrheitskennzeichnung von Offline-Gastroenterologen-Annotatoren bereitgestellt, die das Video in Zeitlupe ansehen und nach Bedarf anhalten/zurückspulen konnten; Zwei oder drei spezialisierte Kommentatoren untersuchten jedes Video.

Hierbei handelt es sich um eine prospektive, nicht verblindete, nicht randomisierte Pilotstudie an Patienten, die sich elektiven Screening- und Überwachungskoloskopien mit DEEP unterziehen.

Das Ziel der Studie ist:

Bewerten Sie Folgendes:

1. Anzahl zusätzlicher Polypen, die vom DEEP-System bei der Echtzeit-Koloskopie erkannt wurden.
2. Sicherheit durch prospektive Bewertung der Rate unerwünschter Ereignisse während des Studienzeitraums, die auf die Verwendung des DEEP-Systems zurückzuführen sind oder nicht.
3. Stabilität des DEEP-Systems durch Messung der Rate falsch positiver Ergebnisse (Fehlalarme) pro Koloskopie 4 und Untersuchung seiner Machbarkeit und Nützlichkeit in der klinischen Praxis durch Bewertung der Benutzererfahrung des Koloskopikers bei der Verwendung des DEEP-Systems auf einer 5-Punkte-Skala.