Genauigkeit der Echtzeit-Charakterisierung in der durch künstliche Intelligenz unterstützten Koloskopie

Darmkrebs (CRC) ist die dritthäufigste Krebsart und weltweit die zweithäufigste krebsbedingte Todesursache. Das CRC-Screening dient der Erkennung und Entfernung von Krebsvorstufen, bevor sie sich zu Krebs entwickeln. Die Koloskopie gilt als überlegen gegenüber anderen Screening-Untersuchungen und wird daher als goldener Standard eingesetzt.

Die Screening-Koloskopie ist mit einem reduzierten Risiko für CRC-bedingte Todesfälle 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 Erstuntersuchung der Koloskopie und der Rate schwerer Läsionen bei der Folgekoloskopie 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.

In den letzten Jahren wurden mehrere randomisierte kontrollierte Studien (RCT) veröffentlicht, die die Wirksamkeit der computergestützten Erkennung in Echtzeit untersuchten. Studien haben gezeigt, dass KI zu einer signifikant höheren Adenom-Erkennungsrate (ADR) im Vergleich zu Koloskopien ohne Unterstützung eines KI-Systems beiträgt Kleine Polypen können zu einer unnötigen Polypektomie führen.

Mit der Entwicklung von Systemen zur computergestützten Polypencharakterisierung (CADx) ist es möglich, KI zur Entscheidungsunterstützung und nicht nur zur Erkennung einzusetzen. Es gibt noch keine Hinweise darauf, dass das CADx-System die Sensitivität für kleine neoplastische Polypen erhöht, wenn es von nicht erfahrenen Endoskopikern (akkreditiert für Standard-Koloskopie) verwendet wird, aber es kann das Vertrauen des Klinikers stärken und die Spezifität für die optische Diagnose erhöhen (Barua et al.) .

Winzige Polypen (1–5 mm) im Rectosigmoid-Kolon können in situ belassen werden, wenn sie mit hoher Zuverlässigkeit mit einer Sensitivität von mindestens 90 % und einer Spezifität von mindestens 80 % diagnostiziert werden. Zur Umsetzung der Resect-and-Discard-Strategie ist eine Sensitivität von mindestens 80 % akzeptabel. Dies wird von der European Society of Gastrointestinal Endoscopy (ESGE) als Strategie empfohlen, um die unnötige Entfernung kleiner Polypen mit einem vernachlässigbaren Krebsrisiko zu verringern. Obwohl die Resect-and-Discard-Strategie als sichere und kostengünstige Methode bewertet wird, ist bei Läsionen im rechten Dickdarm aufgrund ihres bösartigen Potenzials Vorsicht geboten.

Zuverlässige CADx-Systeme könnten eine gezieltere Entfernung von neoplastischen Polypen ermöglichen, während winzige nicht-neoplastische Polypen zurückgelassen werden könnten. Die potenzielle Mehrbelastung durch das CADe-System könnte also theoretisch durch die Hinzunahme des CADx-Systems vermieden werden.

Die bisherigen Ergebnisse sind vielversprechend und deuten darauf hin, dass die KI-gestützte Koloskopie der konventionellen Koloskopie überlegen ist, wenn es um die Erkennung von Polypen und Adenomen geht. Eine kontinuierliche Verbesserung der CADx-Systeme bei der Differenzierung der Pathologie kolorektaler Läsionen ist erforderlich, ebenso wie zusätzliche klinische Studien, um den potenziellen Wert des CADx-Systems zu bewerten.

Das übergeordnete Ziel dieser Forschung ist es, die Qualität und die möglichen Vorteile der KI-Unterstützung bei der Koloskopie zu untersuchen. Hoffentlich kann dies zu einer genaueren, sichereren und gezielteren Diagnose und Behandlung von Patienten in der Zukunft beitragen.

Die Forscher haben eine Qualitätssicherungsstudie entwickelt, um die Wirkung der KI-unterstützten Koloskopie in Echtzeit mit dem CADx-System (GI Genius, Medtronic) zu untersuchen. Diese Studie „REG-093-2022“ ist eine Substudie zum RCT „REG-092-2022“. Die Ermittler möchten die diagnostische Genauigkeit des CADx-Systems bewerten.