Mit Hilfe eines validierten Polypendetektions- und Charakterisierungssystems können unerfahrene Untersucher Expertennieveau erreichen

Ziele und Methoden Ziel war die Evaluierung eines neuen Systems zur Polependetektion und Polypencarakerisierung mit künstlichen Intelligenz.

Bilder und Videodateien für Training und Validierung wurden in einer multizentrischen Studie gesammelt.

Nach der Validierung des Systems (CAD-Eye, Fujifilm, Jpn) gührten wir ein bildbasiertes Experiment durch. Insgesamt nahmen 3 Experten (> 10.000 Koloskopien) und 3 Anfänger ( <  100 Koloskopien) an dem Experiment teil. Die Bilder wurden den Teilnehmern parallel für 5 sec. präsentiert. Die Teilnehmer mussten die Bilder kategorisieren. 1) Polyp im Bild, 2) kein Polyp im Bild (n = 1634 Bilder/Teilnehmer). In einer zweiten Serie (n = 402 Bilder/Teilnehmer) mussten Bilder bewertet werden, ob der präsentierte Polyp neoplastisch oder nicht neoplastisch sei. Insgesamt wurden je drei Experimente durchgeführt: CAD Eye allein, Experte allein und Anfänger mit CAD Eye.

Ergebnisse Im Polypendetektionsexperiment im WLE-Modus hatten die Experten allein eine Sensitivität von 95,1% und eine Spezifität von 94,2%, während das CAD-EYE allein eine Sensitivität und Spezifität von 92,9% bzw. 90,6% aufwies. Die Anfänger erreichten zusammen mit dem CAD Eye eine Sensitivität von 94,8% und eine Spezifität von 76,4%.

Unter Verwendung von LCI zur Detektion erreichten Experten 95,8% und eine Spezifität von 95,6%, während das CAD-EYE allein eine Sensitivität und Spezifität von 94,1% bzw. 94,9% aufwies. Die Anfänger erreichten zusammen mit dem CAD Eye eine Sensitivität von 96,4% und eine Spezifität von 79,7%.

Im Charakterisierungsexperiment betrug die Accurracy unter Verwendung von WLE 75,2%, 84,2% und 77,7% für Experten, CAD EYE und Anfänger unter Verwendung von CAD EYE. Für BLI betrug die Accuracy 79,4%, 83,6% bzw. 80,1%.

Die negativen Vorhersagewerte (NPV) für den Nachweis von Polypen betrugen 0,94, 0,76 und 0,91 für Experten, Anfänger und CAD-Eye allein unter Verwendung von WLE.

Mit LCI stieg der NPV in allen Untergruppen auf 0,96, 0,93 bzw. 0,95.

Schlussfolgerung Unsere erste Studie impliziert die Verwendung des Systems sowohl bei Anfängern als auch bei Experten. LCI scheint einen Vorteil bei der Detektion durch eine Künstliche Intelligenz zu haben.

Publication History

Article published online:
08 September 2020