Genauigkeit des computergestützten (CADx) Systems bei der Echtzeitcharakterisierung kolorektaler Ulzerationserkrankungen

In der ersten retrospektiven Studienphase ist unser primäres Ziel die Entwicklung und Validierung eines CADx-Systems. Endoskopische Fotos und Videos werden aus der vorhandenen Datenbank in den Studienzentren (Nanfang-Krankenhaus) abgerufen. Für jedes kolorektale Geschwür werden unterschiedliche endoskopische Ansichten erfasst. Zur Analyse werden relevante demografische Ausgangsdaten, Laborberichte, Bildgebungsberichte, Endoskopieberichte und histopathologische Ergebnisse gesammelt. Der Ort, die Größe und die Morphologie jeder Dickdarmläsion werden aufgezeichnet. Die Diagnose aller kolorektalen Ulzerationserkrankungen wurde umfassend von unabhängigen Pathologen und Gastroenterologen beurteilt. In unserer Studie konzentrieren wir uns auf die folgenden Subtypen kolorektaler ulzerativer Läsionen:

1) Darmkrebs (CA); 2) Morbus Crohn (CD); 3) Colitis ulcerosa (UC); 4) Darmtuberkulose (ITB); 5) ischämische Kolitis (IC).

Alle Daten werden vor der zentralen Verarbeitung anonymisiert, um die Vertraulichkeit zu gewährleisten. Zur Darstellung jedes einzelnen Themas wird eine projektspezifische Seriennummer verwendet. Alle klinischen Daten und anonymisierten endoskopischen Bilder werden vertraulich behandelt und nicht an Dritte weitergegeben.

Aus der Mehrheit der eingeschlossenen Fälle wird eine Trainingskohorte entwickelt, gefolgt von einer Validierungskohorte mit den übrigen Fällen. Die endoskopischen Bilder und Videos werden vorbereitet, um das gewundene neuronale Netzwerk und das wiederkehrende neuronale Netzwerk durch Auswahl geeigneter Regionen von Interesse (ROI) zu trainieren. Es werden mehrere ROI innerhalb derselben kolorektalen Ulzerationserkrankung erfasst, um Selektionsverzerrungen zu reduzieren. Die Kommentierung und Validierung endoskopischer Bilder wird vom Forschungsteam durchgeführt. Die Bilder werden zur weiteren Verarbeitung weiter in Kacheln gleicher Größe segmentiert. Es werden Deep-Learning-Algorithmen eingesetzt, um Merkmale aus den Bild- und Videodaten zu lernen und zu extrahieren. Wir werden das wiederkehrende Faltungsnetzwerk entwickeln, um die ergänzenden Informationen der aus dem Video extrahierten visuellen und zeitlichen Merkmale zu nutzen. Nach dem gleichen Prinzip werden auch Validierungsdaten erstellt, die eine Kreuzvalidierung der Modellgenauigkeit ermöglichen.

In der zweiten prospektiven Studienphase wollen wir die diagnostische Genauigkeit zwischen dem CADx-System, erfahrenen Endoskopikern und Junior-Endoskopikern vergleichen. Eine Reihe von Testbildern und -videos wird prospektiv gemäß den vorherigen Zulassungskriterien von anderen Probanden gesammelt, gefolgt von einer zufälligen Zuweisung computergenerierter Sequenzen.

Zwei erfahrene Endoskopiker (mit mehr als 5 Jahren Erfahrung in der Koloskopie und einer Gesamtzahl von Eingriffen von mehr als 1.000) und zwei Junior-Endoskopiker (mit weniger als 3 Jahren Erfahrung in der Koloskopie und einer Gesamtzahl von Eingriffen von weniger als 500). Da sie für das endgültige Diagnoseergebnis blind sind, werden sie aufgefordert, die Bilder und Videos des Testsatzes nach den vordefinierten Untertypen zu klassifizieren. Alle Endoskopiker bewerten die Daten des Testsatzes unabhängig und in Echtzeit. Andererseits scannt das CADx-System die Bilder und Videos des Testsatzes selbstständig. Die Vorhersage von Ulkus-Subtypen wird aufgezeichnet. Als Grundlage gilt der formelle Diagnosebericht nach Auswertung durch unabhängige Pathologen und Gastroenterologen.