Klinische Validierung von PolyDeep: ein auf künstlicher Intelligenz basierendes computergestütztes System zur Erkennung und Charakterisierung von Polypen (CADe) und Charakterisierung (CADx). Polytiefer Fortschritt 2.

Darmkrebs (CRC) ist die häufigste Krebsart in der westlichen Welt. Ein grundlegendes Instrument zur Erkennung und Prävention ist die Koloskopie. Der Nachweis und die endoskopische Resektion von kolorektalen Polypen, der Vorläuferläsion von CRC, kann die CRC-Inzidenz und Mortalität reduzieren. Die Erkennungsrate von Adenomen ist der am häufigsten verwendete endoskopische Qualitätsindikator. Die Verbesserung dieses Indikators steht im Zusammenhang mit der Verringerung der CRC-Inzidenz und -Mortalität nach der Koloskopie.

Die Diagnose eines kolorektalen Polypen basiert auf einer endoskopischen Resektion und einer histologischen Analyse. Eine genaue optische Diagnose könnte histologische Läsionen kleinerer Läsionen vermeiden und die mit der histologischen Diagnose verbundenen Kosten reduzieren. Die NICE-Klassifikation (NBI International Colorectal Endoscopic) hat die Verwendung von High-Definition-Endoskopen mit Narrow Band Imaging vorgeschlagen. NICE muss jedoch von Endoskopikern verwendet werden, die ausreichend vorbereitet sind und die Lernkurve überwunden haben. Daher ist eine optische Histologiediagnostik mit hoher Genauigkeit unabhängig vom Zentrum und dem Endoskopiker erforderlich.

Auf künstlicher Intelligenz basierende Computer Aid Diagnosis (CAD) Systeme erleben eine exponentielle Entwicklung im Bereich der medizinischen Bildanalyse. Die Entwicklung des CAD-Systems basiert auf der Erstellung großer Datenbanken mit endoskopischen Bildern und/oder Videos, auf dem Training, der Entwicklung und Validierung diagnostischer Algorithmen in solchen Datenbanken und schließlich auf einer prospektiven klinischen Validierung bei Patienten, die sich einer Koloskopie unterziehen. Das Ziel von CAD-Systemen in der Koloskopie ist ein doppeltes. Erstens zielt es darauf ab, die Erkennung von Polypen (CADe) im Allgemeinen und von Adenomen und gezackten Läsionen im Besonderen zu verbessern. Das zweite Ziel ist die Charakterisierung (CADx) der Histologie der erkannten Läsion.

PolyDeep CAD ist ein funktionsfähiger Prototyp. Es ist in der Lage, kolorektale Polypen zu erkennen, zu lokalisieren und zu klassifizieren. In-vivo-Validierungsdaten zeigen, dass PolyDeep eine hohe diagnostische Genauigkeit für die Polypenidentifikation aufweist und dass diese Genauigkeit berücksichtigt werden kann. Diese klinische Studie ist Teil der klinischen Validierung von PolyDeep. Wir werden eine randomisierte klinische Studie mit einem Tandem-Koloskopie-Design mit der Adenom-Verfehlungsrate als Hauptziel durchführen.