Adenom-Erkennungsrate in der künstlichen Intelligenz-unterstützten Koloskopie

Darmkrebs (CRC) ist die dritthäufigste Krebsart und weltweit die zweithäufigste krebsbedingte Todesursache. CRC-Screening wird zur Erkennung und Entfernung von präkanzerösen Läsionen verwendet, bevor sie sich zu Krebs entwickeln. Die Koloskopie gilt als anderen Vorsorgeuntersuchungen überlegen und wird daher als goldener Standard eingesetzt.

Die Screening-Koloskopie ist mit einem reduzierten CRC-bedingten Todesrisiko verbunden. Da es für einen Endoskopiker nicht möglich ist, die Histopathologie des Polypen während einer Darmspiegelung sicher zu bestimmen, sollten erkannte prämaligne Läsionen entfernt und zur histologischen Untersuchung geschickt werden. Mehrere Studien haben gezeigt, dass es einen starken Zusammenhang zwischen den Befunden bei der Erstkoloskopie und der Rate schwerer Läsionen bei der Nachsorgekoloskopie gibt. Risikofaktoren für Adenom, fortgeschrittenes Adenom und Krebs bei der Nachsorge-Koloskopie sind Multiplizität, Größe, Zottenbildung und hochgradige Dysplasie der Adenome bei der Grundlinien-Screening-Koloskopie.

Die Adenom-Erkennungsrate (ADR) ist der Prozentsatz der von einem Endoskopiker durchgeführten Untersuchungen, bei denen ein oder mehrere Adenome gefunden werden. Dies wird allgemein als wichtigster Qualitätsindikator für jeden Endoskopiker und jede Koloskopie anerkannt. Es gibt starke Hinweise darauf, dass die UAW umgekehrt mit der Inzidenz von Intervall-CRC korreliert ist. Mit jeder Erhöhung der UAW um 1,0 % verringert sich das Risiko, an CRC zu erkranken, um 3,0 %. Leider werden Adenome und fortgeschrittene Adenome häufig übersehen, und die ADR variiert stark zwischen verschiedenen Endoskopikern. Außerdem ändert sich die Qualität im Laufe des Tages. Sowohl die Absetzzeit als auch die ADR sinken bis zum Ende des Tages um etwa 20 % bzw. 7 %. Kleine Verbesserungen in der Qualität der Koloskopie können große Bedeutung für das Ergebnis beim Screening auf CRC haben.

Künstliche Intelligenz (KI) kann die Leistungsvariabilität verringern, indem sie als Paar zusätzlicher virtueller Augen fungiert und Wahrnehmungsfehler aufgrund von Ermüdung, Ablenkung und ungenauem menschlichem Sehen kompensiert. In den letzten Jahren wurden mehrere randomisierte kontrollierte Studien (RCT) veröffentlicht, die die Wirksamkeit der computergestützten Erkennung in Echtzeit untersuchten. Unter diesen haben alle RCTs, die UAW als primären Endpunkt haben, gezeigt, dass der Einsatz von KI zu einer signifikant höheren UAW beiträgt, verglichen mit Koloskopien ohne Unterstützung eines KI-Systems.

Repici et al. haben gezeigt, dass die Erfahrung des Endoskopikers nur eine untergeordnete Rolle als bestimmender Faktor spielt. Entsprechend zeigen Ergebnisse einer früheren Studie von Liu et al. weist darauf hin, dass CADe-Systeme nicht nur für Endoskopiker mit niedriger Erkennungsrate nützlich sind, sondern auch die ADR für erfahrenere Endoskopiker erhöhen können. Kambaet. al berichtet über eine signifikant niedrigere Adenoma Miss Rate (AMR) für die CADe-assistierte Koloskopie im Vergleich zu einer konventionellen Koloskopie. Dies ist unabhängig von der Fachkompetenz des Endoskopikers. Andere Studien kommen zu dem Schluss, dass AI wahrscheinlich weniger erfahrenen Endoskopikern mehr zugute kommen wird. Es gibt jedoch nur eine begrenzte Anzahl von Studien, die die Auswirkungen von KI bei der Verwendung durch weniger erfahrene Endoskopiker untersuchen.

Laut einer aktuellen RCT von Wallace et al. Der Einsatz von AI kann die AMR um etwa 50 % reduzieren, hauptsächlich jedoch aufgrund der erhöhten Erkennung kleiner (< 10 mm) flacher Neoplasien. Dieser Unterschied ist etwas höher als in einer früheren Studie, in der die relative Reduktion etwa 35 % betrug. In dieser Studie gab es jedoch keinen signifikanten Unterschied bei übersehenen kleinen Polypen (< 10 mm).

In einer systematischen Überprüfung wurde gezeigt, dass die Gesamtentzugszeit bei der AI-assistierten Koloskopie (AIC) höher war als bei der konventionellen Koloskopie (CC), aber auch die ADR und PDR waren höher. Natürlich gab es Bedenken hinsichtlich einer verlängerten Koloskopiezeit und einer erhöhten Arbeitsbelastung bei der Implementierung des KI-Systems, da die vermehrte Erkennung kleiner Polypen zu einer unnötigen Polypektomie führen kann. Zwei aktuelle RCTs berichten jedoch, dass die unnötige Resektion von nicht-neoplastischen Polypen durch die Verwendung des CADe-Systems nicht zugenommen hat.

Die bisherigen Ergebnisse sind vielversprechend und deuten darauf hin, dass die AIC der CC überlegen ist, wenn es um die Erkennung von Polypen und Adenomen geht. Die routinemäßige Verwendung von computergestützten Polypenerkennungssystemen (CADe) könnte die Inzidenz von Intervall-CRC weiter reduzieren, aber es sind mehr klinische Daten aus großen multizentrischen randomisierten Studien erforderlich, um die tatsächlichen Auswirkungen der KI im täglichen klinischen Umfeld zu verstehen.

Wir haben eine multizentrische RCT zur Qualitätssicherung entwickelt, um die Wirkung von Echtzeit-KI-Unterstützung (GI Genius, Medtronic) auf die Adenom-Erkennungsrate (ADR) sowohl bei erfahrenen als auch bei weniger erfahrenen Endoskopikern zu untersuchen. Wir wollen untersuchen, ob das CADe-System die Leistungsvariabilität reduzieren und die ADR signifikant erhöhen kann.

Das übergeordnete Ziel dieser Forschung ist es zu untersuchen, ob die KI-Unterstützung bei der Koloskopie die UAW erhöhen kann.

Diese prospektive, multizentrische, randomisierte kontrollierte Studie (RCT) wird in vier Endoskopieeinheiten in der Region Seeland, Dänemark, durchgeführt. Diese Einheiten befinden sich im Zealand University Hospital (Køge), im Nykøbing Falster Hospital, im Holbæk Hospital und im Næstved Hospital. Alle Einheiten mit Ausnahme des Næstved-Krankenhauses nehmen am nationalen CRC-Screening-Programm teil.

Wir werden alle Patienten untersuchen, die für Screening-, Diagnose- und Überwachungskoloskopie vorgesehen sind. Die in Frage kommenden Patienten erhalten eine Koloskopie von einem Experten oder einem nicht erfahrenen Endoskopiker, basierend auf der normalen Verteilung von Endoskopikern in den endoskopischen Einheiten.