Validierung des AI-ENDO-Systems bei der endoskopischen submukösen Dissektion

Gastrointestinale (GI) Krebserkrankungen, einschließlich Magen-, Darm- und Speiseröhrenkrebs, sind weltweit die häufigsten Krebsarten und die führende Ursache krebsbedingter Todesfälle. Die Krankheit stellt eine erhebliche Belastung in Hongkong dar, wo laut lokalen Krebsstatistiken jährlich mehr als 6.000 neue Fälle diagnostiziert werden. Trotz erheblicher Fortschritte im Verständnis der Pathologie, molekularen Mechanismen und therapeutischen Strategien bleibt die Überlebensrate bei fortgeschrittenem GI-Krebs suboptimal, mit einer 5-Jahres-Überlebensrate unter 60% für die meisten Malignome.

Die Einführung staatlich geführter Initiativen und internationaler Krebsrichtlinien hat Früherkennungsprogramme für GI-Krebs ausgeweitet, wodurch mehr Patienten in einem früheren Stadium diagnostiziert werden können. Eine frühe Erkennung ermöglicht weniger invasive und effektivere Behandlungsoptionen mit verbesserter Prognose und erhöhten Heilungsraten durch Operationen.

Die vollständige Tumorentfernung bleibt der einzige kurative Ansatz für lokalisierten GI-Krebs. Die endoskopische Submukosadissektion (ESD), eine minimalinvasive endoskopische Technik, hat sich als etablierte Methode für Frühkarzinome, die auf die Schleimhautschicht beschränkt sind, bewährt. ESD ermöglicht die En-bloc-Resektion von Läsionen und erzielt im Vergleich zur konventionellen endoskopischen Mukosaresektion niedrigere lokale Rezidivraten. Sie hat auch günstige perioperative Ergebnisse gezeigt, einschließlich kürzerer Operationszeit, geringerer Komplikationsraten und reduziertem Krankenhausaufenthalt. In Ländern mit gut implementierten Screening-Programmen, wie Japan, übersteigt die Anzahl der ESD-Eingriffe mittlerweile radikale Gastrektomien, was ESD zur bevorzugten Behandlungsmethode für frühen Magenkrebs macht. ESD wird auch zur Behandlung prämaligner Läsionen im GI-Trakt eingesetzt, um das Fortschreiten zu invasivem Krebs zu verhindern.

Ein ESD-Eingriff umfasst vier Hauptphasen: (1) Markierung der Ziel-Läsion, (2) submukosale Injektion zur Bildung eines Schutzpolsters, (3) zirkumferenzieller Schnitt und (4) submukosale Dissektion und Entfernung der Läsion. Obwohl ESD die vollständige Resektion von Läsionen unabhängig von der Größe ermöglicht und eine Rezidivrate unter 1% aufweist, bleibt sie technisch anspruchsvoll und birgt Risiken wie Blutungen und Perforation. In Regionen mit geringerer ESD-Verbreitung kann die Lernkurve mehrere hundert Fälle überschreiten, bevor Kompetenz erreicht wird. Zunehmende internationale Leitlinien und Trainingsbemühungen haben eine globale Ausweitung der ESD-Anwendung gefördert, da ihre klinischen Vorteile zunehmend anerkannt werden.

Die sichere und präzise Dissektion von Krebsgewebe in der komplexen gastrointestinalen Umgebung ist entscheidend. Medizinische Sicherheitsereignisse in der chirurgischen Praxis tragen erheblich zu verlängerten Krankenhausaufenthalten, Kosten und Mortalität bei. ESD ist technisch herausfordernd und erfordert von Endoskopikern, eine klare Visualisierung der Submukosaschicht bei gleichbleibend stabilem endoskopischem Sichtfeld aufrechtzuerhalten. Anatomische Komplexitäten wie Kolonflexuren, dünne Darmwände, Schleimhautfalten und Peristaltik erhöhen die Schwierigkeit der kolorektalen ESD weiter und steigern das Risiko unvollständiger Dissektion und Perforation. Angesichts dieser Herausforderungen besteht ein klarer Bedarf an fortschrittlichen Technologien, die die chirurgische Präzision und Sicherheit durch intelligente intraoperative Führung verbessern.

Um die chirurgische Qualität und Patientensicherheit zu verbessern, ist es wesentlich, Systeme zu entwickeln, die aus Expertenwissen und chirurgischen Ergebnissen lernen und Echtzeiteinblicke bieten, die helfen, operative Fehler zu verhindern. Die Identifizierung der korrekten Dissektionsebene, submukosaler Gefäße und Schnittlandmarken trägt zur sicheren und vollständigen Tumorentfernung bei.

Ein AI-ENDO-Integrationsplattform wurde von den Forschern entwickelt, um Endoskopiker bei der Verbesserung der Sicherheit und Effizienz von ESD-Eingriffen zu unterstützen. Das System integriert mehrere intelligente Funktionen:

1. Echtzeiterkennung von ESD-Chirurgiephasen und Leistungsbewertung Die AI-ENDO-Plattform analysiert den chirurgischen Arbeitsablauf, um die laufende Verfahrensphase zu jedem Zeitpunkt zu identifizieren. Das Modell wurde mit hochwertigen Experten-ESD-Videos trainiert, die vom Prince of Wales Hospital gesammelt wurden, und extern mit Daten mehrerer internationaler Zentren validiert. Das System zeigte hohe Genauigkeit, Präzision und Sensitivität und behielt eine konsistente Leistung über Datensätze hinweg bei. Die integrierte Plattform arbeitet mit Echtzeit-Recheneffizienz.
2. Echtzeitidentifikation von sicheren und gefährlichen Zonen während ESD Das System führt eine automatisierte Segmentierung intraoperativer Sichtfelder durch und identifiziert anatomische Strukturen wie Mukosa, Submukosa, Muskelschichten und Blutgefäße. Dies ermöglicht die Echtzeitunterscheidung zwischen sicheren Dissektionszonen und Bereichen mit höherem Komplikationsrisiko. Validierungsstudien mit endoskopischen Operationsvideos zeigten hohe Segmentierungsgenauigkeit und niedrige Latenz, wobei Experimente die Machbarkeit während lebender Tierversuche bestätigten. AI-Unterstützung war im Vergleich zu Standardverfahren ähnlicher Komplexität mit kürzerer Verfahrensdauer und reduzierten Blutungsereignissen verbunden.
3. Intelligente Dissektionstrajektorienführung mittels Reinforcement Learning Reinforcement-Learning- und Imitationslernmethoden wurden integriert, um optimale Dissektionstrajektorien basierend auf Expertenoperationen vorherzusagen. Das System analysiert den chirurgischen Kontext in Echtzeit, um Entscheidungsunterstützung und Trajektorienvorhersage zu bieten. Tests an umfangreichen Videodatensätzen zeigten verbesserte Genauigkeit und Generalisierung im Vergleich zu bestehenden Trajektorienvorhersage-Frameworks.

Durch die Integration dieser Funktionen zielt die AI-ENDO-Multifunktionsplattform darauf ab, die intraoperative Entscheidungsfindung zu unterstützen, unerwünschte Ereignisse zu reduzieren und die Lernkurve für ESD-Verfahren zu verkürzen.

Ziel dieser Studie ist es, die klinische Nützlichkeit und Wirksamkeit des AI-ENDO-Systems bei der endoskopischen Submukosadissektion für frühe gastrointestinale Neoplasien zu bewerten. Technischer Erfolg, klinischer Erfolg und post-ESD-Nebenwirkungen werden systematisch bewertet.