Studie zum Vergleich zweier Bildaufnahmemodalitäten für Ultraschall-Screening im zweiten Trimester der Schwangerschaft (Echo-IA) (Echo-IA)

Die Ultraschalluntersuchung der Morphologie im zweiten Trimester ist eine Schlüsseluntersuchung in der geburtshilflichen Überwachung, die darauf abzielt, das fetale Wachstum zu beurteilen, strukturelle Anomalien zu identifizieren und Anhangsgebilde wie Plazenta, Nabelschnur, Gebärmutterhals usw. zu untersuchen.

Mehrere Studien legen nahe, dass ein erheblicher Anteil der fetalen Fehlbildungen in diesem Zeitrahmen erkannt werden kann, wenn eine vollständige morphologische Analyse durchgeführt wird. Die Zuverlässigkeit des Screenings hängt jedoch von der Qualität der Geräte, dem Fachwissen des Bedieners und der Einhaltung von Protokollen ab, die die erforderlichen Scans definieren.

In Frankreich wurde seit den ersten Berichten des Nationalen Technischen Ausschusses für Pränatalen Screening-Ultraschall (2005) besonderes Augenmerk auf die Standardisierung der Praktiken gelegt. Jüngst hat die Französische Nationalkonferenz für Geburtshilfe und Fetalen Ultraschall (CNEOF) neue Empfehlungen veröffentlicht (2022, überarbeitet 2023), einschließlich der Entwicklung von Referenzsilhouetten für die Untersuchung im zweiten Trimester, die 26 Ansichten vorschlagen (22 erforderliche und 4 zusätzliche). Die CNEOF formalisiert jedoch keine Qualitätskriterien zur Bewertung der Konformität dieser Bilder; diese Aufgabe wurde vom Französischen Kollegium für Fetalen Ultraschall (CFEF) übernommen, das für jeden fetalen Schnitt ein Bewertungs- und Validierungsraster erstellt hat (siehe CFEF-Dokument 2022).

Parallel dazu etabliert sich künstliche Intelligenz (KI) zunehmend als Entscheidungsunterstützungs- und Automatisierungswerkzeug in der medizinischen Bildgebung, insbesondere im Ultraschall. Deep-Learning-Algorithmen sind in der Lage, anatomische Strukturen zu identifizieren, Messmarkierungen zu positionieren und den optimalsten Schnitt auszuwählen, wodurch die Variabilität zwischen den Bedienern verringert und der Arbeitsablauf optimiert wird. Im Bereich des geburtshilflichen Ultraschalls haben einige Unternehmen Systeme eingeführt, die in der Lage sind, fetale Strukturen in Echtzeit zu erkennen oder zu annotieren, was möglicherweise die diagnostische Zuverlässigkeit und Reproduzierbarkeit verbessert. Samsung hat ein System namens Live View Assist entwickelt, das auf seinen Ultraschallgeräten der neuesten Generation verfügbar ist und KI nutzt, um die erforderlichen fetalen Schnitte in Echtzeit automatisch zu erkennen und einzufrieren.

Das Tool bietet auch eine automatisierte Validierung: Wenn der erkannte Schnitt den erwarteten Standards entspricht, wird er direkt auf einer Checkliste abgehakt. Diese Innovation verspricht Zeitersparnis, ein geringeres Risiko, bestimmte komplexe Schnitte zu übersehen, und eine verbesserte Standardisierung.

Es gibt jedoch wenig Daten, insbesondere in Frankreich, bezüglich der tatsächlichen Leistung dieses Tools in einem routinemäßigen Screening-Kontext. Bevor die Integration von Live View Assist und KI in die tägliche Praxis in Betracht gezogen wird, ist es daher wesentlich, die Qualität der erfassten Bilder, die Durchführbarkeit einer vollständigen KI-gestützten Untersuchung sowie die potenziellen Auswirkungen auf die Untersuchungszeit und die Verbesserung der Arbeitsbelastung für Sonografen zu bewerten.

Ziel dieser Studie ist es zu bewerten, ob die Qualität der 20 obligatorischen Bilder, die automatisch von Live View Assist validiert werden, nicht schlechter ist als die der 20 obligatorischen Bilder, die manuell von einem Ultraschalltechniker erfasst und validiert wurden, gemäß den CFEF-Qualitätskriterien, die auf den von der CNEOF empfohlenen Silhouetten basieren.