Bewertung der Leistungsfähigkeit eines EUS-Systems zur automatischen Bildberichterstattung

Ein gut verfasster Bericht ist das wichtigste Kommunikationsmittel zwischen Klinikern, überweisenden Ärzten und Patienten. Auch in der Verdauungsendoskopie spielen Berichte eine Schlüsselrolle für die Qualitätsverbesserung. Im Gegensatz zur Verdauungsendoskopie wurde die Qualität der Befundung im endoskopischen Ultraschall (EUS) nicht gründlich evaluiert und es fehlt ein Referenzstandard. Gemäß den Leitlinien zu Standard-EUS-Berichtselementen, die auf der Jahrestagung des Forum for Canadian Endoscopic Ultrasound 2019 entwickelt und überprüft wurden, sollte eine angemessene Fotodokumentation aller relevanten Läsionen und anatomischen Orientierungspunkte in EUS-Berichte aufgenommen und zur späteren Bezugnahme gespeichert werden. Eine systematische Fotodokumentation im EUS ist laut ASGE ein Indikator für die Verfahrensqualität. Eine systematische Fotodokumentation kann Überwachungs-EUS-Bewertungen erleichtern. Laut einer internationalen Online-Umfrage verwendeten die meisten Endosonographen im Bericht einen strukturierten Baum, der entweder normale und abnormale Befunde (81 %) oder nur abnormale Befunde (7 %) beschreibt. Daher ist es notwendig, ein standardisiertes endoskopisches Ultraschallbildberichtssystem zu entwickeln.

In den letzten Jahrzehnten hat die künstliche Intelligenz (KI) im medizinischen Bereich bemerkenswerte Fortschritte gemacht. Deep Learning, eine Teilmenge der KI, hat großes Potenzial für die Ausarbeitung von Bildanalysen gezeigt. Im Bereich der Verdauungsendoskopie wurde Deep Learning umfassend untersucht, einschließlich der Identifizierung fokaler Läsionen, der Unterscheidung bösartiger und nicht bösartiger Läsionen usw. Allerdings gibt es nur wenige Studien zur automatischen Fotodokumentation während der endoskopischen Ultraschalluntersuchung.

Unsere bisherige Arbeit hat erfolgreich ein Deep-Learning-EUS-Navigationssystem entwickelt, das die Standardstationen der Bauchspeicheldrüse und des CBD in Echtzeit identifizieren kann. In der vorliegenden Studie haben wir außerdem ein automatisches EUS-Bildberichtssystem (EUS-AIRS) aufgebaut. Das EUS-AIRS kann automatisch Bilder von Standardstationen, Läsionen und Biopsieverfahren erfassen und Läsionstypen kennzeichnen, wodurch während der endoskopischen Ultraschalluntersuchung ein Bildbericht mit hoher Vollständigkeit und Qualität erstellt wird.

Wir haben die Leistung des EUS-AIRS getestet, indem wir seine Leistung anhand retrospektiver interner und externer Daten getestet haben, und wir gehen davon aus, den Nutzen des EUS-AIRS in der klinischen Praxis zu bestimmen, indem wir seine Leistung an aufeinanderfolgenden potenziellen Patienten testen.