Subscribe to RSS
DOI: 10.1055/s-0043-1771982
Surveillance bei Patienten mit chronisch-entzündlichen Darmerkrankungen durch Computer-assistierte Polypendetektion (CAD) – noch keine große Hilfe
Einleitung Weltweit sind etwa 6,8 mio Menschen an den chronisch-entzündlichen Darmerkrankungen (CED) erkrankt [1]. Die koloskopische Diagnostik zur Aktivitätsbeurteilung, Therapiesteuerung und Tumorprophylaxe wird von den Leitlinien empfohlen [2]. Studien zur KI-gestützten Endoskopie bei Patienten mit CED fokussierten sich bislang auf die Aktivitätsbeurteilung und weniger auf die Detektion von Dysplasien oder sporadischen Adenomen [3]. Bereits etablierte und kommerziell erwerbbare Systeme zur computer-assistierten Polypendetektion (CADe) konnten in Vorstudien eine signifikante Verbesserung der Adenomdetektionsrate (ADR) zeigen [4].
Ziele Analyse der Dysplasie- und Adenomerkennungsraten einer KI-gestützen vs. konventionellen Koloskopie bei Patienten mit CED.
Patienten und Methodik:Insgesamt wurden 58 Patienten mit CED aus einer prospektiv-randomisierten Kohorte (CompuColoStudie DRKS00024943), identifiziert und eingeschlossen (n=41 CADe-Koloskopie mit GI-Genius, Medtronic und n=17 mit konventioneller Koloskopie). Die Detektionsraten für Adenome (ADR), Polypen (PDR), sowie Dysplasien und Polypektomienraten (PR) wurden verglichen (Chi²-, Wilcoxon-Test).
Ergebnisse Hinsichtlich der Basisdaten unterschieden sich beide Gruppen nicht ([Tab. 1]). Die PDR betrug insgesamt 37,9%. In der CADe-Gruppe zeigte sich ein Trend für eine erhöhte PDR (43,9% vs. 23,5%, p=0,146), die aber keine Steigerung der Polypemtomierate zur Folge hatte (29,3% vs. 23,5%, p=0,656). Histologisch ergaben sich lediglich drei Adenome, ohne höhergradige intraepitheliale Neoplasie. Die ADR war niedrig und in beiden Gruppen vergleichbar (4,9% (2/41) vs. 5,9% (1/17), p=0,875). Die restlichen Polypen entsprachen histologisch Pseudopolypen. Nach einem Software-Update mit ergänzender Funktion zur Polypendifferenzierung zeigte sich eine hohe Spezifität von 87,5% (35 von 40 Polypen als Pseudopolypen erkannt) bei niedriger Sensitivität von 20% (5 Polypen als Adenome interpretiert, wovon nur ein Polyp histologisch ein Adenom war).
total |
CADe |
control |
p-value |
|
---|---|---|---|---|
(n=58) |
(n=41) |
(n=17) |
||
Medianes Alter (IQR) – Jahre |
49 (31 – 55) |
54 (36 – 60) |
48 (34 – 54) |
0,626 |
Männl. Geschlecht (%) – Anz. |
30 (52) |
22 (54) |
8 (47) |
0,647 |
GI-Genius (%) – Anz. |
41 (71) |
41 (100) |
0 (0) |
|
Coloskopie geplant (%) – Anz. |
52 (90) |
37 (90) |
15 (88) |
0,819 |
Coecumintubation (%) – Anz. |
51 (88) |
36 (85) |
15 (88) |
0,963 |
Mediane Rückzugszeit (IQR) – Min. |
11 (8 – 16) |
11 (9 – 17) |
10 (8 – 15) |
0,627 |
BBPS |
8 (5 – 9) |
8 (5 – 9) |
8 (5 – 9) |
0,81 |
Erfahrener Untersucher (%) – Anz. |
38 (66) |
31 (76) |
7 (41) |
0,012 |
Komplikationen (%) – Anz. |
1 (1,7) |
0 |
1 (5,9) |
0,106 |
Schlussfolgerung Die Surveillance bei CED-Patienten stellt eine Herausforderung dar. In unserer Studie zeigte sich eine hohe PDR, die durch das CAD-System gesteigert wurde. Die Anwendung des CADe führt nicht zu vermehrten Polypektomien. Eine Steigerung der ADR und/oder der Dysplasiedetektionen durch Anwendung des CADe konnte bislang nicht gezeigt werden. Limitation unserer Studie ist die kleine Fallzahl. [5] ([Tab. 2]).
total |
CADe |
control |
p-value |
|
---|---|---|---|---|
(n=58) |
(n=41) |
(n=17) |
||
Polypen – Anz. |
466 |
455 |
11 |
|
Untersuchung mit Polypendetektion (PDR) – Anz. |
22 (37,9) |
18 (43,9) |
4 (23,5) |
0,146 |
Mediane Polypengröße (IQR) – mm |
5 (4 – 10) |
5 (4 – 11) |
6 (4 – 9) |
0,764 |
Polypektomien – Anz. |
29 |
20 |
9 |
|
Untersuchung mit Polypektomie (Polypektomierate) – Anz. |
16 (27,6) |
12 (29,3) |
4 (23,5) |
0,656 |
R1-Resektion – Anz. |
0 |
0 |
0 |
|
Adenome – Anz. |
3 |
2 |
1 |
|
Untersuchung mit Adenomdetektion (ADR) – Anz. |
3 (5,2) |
2 (4,9) |
1 (5,9) |
0,875 |
Untersuchung mit Pseudopolypendetektion (PPDR) – Anz. |
20 (34,5) |
17 (41,5) |
3 (17,6) |
0,082 |
CED-assoziierte Dysplasien – Anz. |
0 |
0 |
0 |
#
-
Literaturverzeichnis
- 1 GBD 2017 Inflammatory Bowel Disease Collaborators. The global, regional, and national burden of inflammatory bowel disease in 195 countries and territories, 1990-2017: a systematic analysis for the Global Burden of Disease Study 2017. Lancet Gastroenterol. Hepatol 2020; 5: 17-30
- 2 S3-Leitlinie Colitis ulcerosa – Living Guideline: Überprüfung 2021. Z. Gastroenterol 2021; 59: 479
- 3 Sinonquel P., Schilirò A., Verstockt B., Vermeire S., Bisschops R.. Evaluating the potential of artificial intelligence in ulcerative colitis. Expert Rev. Gastroenterol. Hepatol 2023; 17: 145-153
- 4 Repici A.. et al. Artificial intelligence and colonoscopy experience: lessons from two randomised trials. Gut 2022; 71: 757-765
- 5 de Groof A.J.. et al. Deep-Learning System Detects Neoplasia in Patients With Barrett’s Esophagus With Higher Accuracy Than Endoscopists in a Multistep Training and Validation Study With Benchmarking. Gastroenterology 2020; 158: 915-929.e4
Publication History
Article published online:
28 August 2023
© 2023. Thieme. All rights reserved.
Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany
-
Literaturverzeichnis
- 1 GBD 2017 Inflammatory Bowel Disease Collaborators. The global, regional, and national burden of inflammatory bowel disease in 195 countries and territories, 1990-2017: a systematic analysis for the Global Burden of Disease Study 2017. Lancet Gastroenterol. Hepatol 2020; 5: 17-30
- 2 S3-Leitlinie Colitis ulcerosa – Living Guideline: Überprüfung 2021. Z. Gastroenterol 2021; 59: 479
- 3 Sinonquel P., Schilirò A., Verstockt B., Vermeire S., Bisschops R.. Evaluating the potential of artificial intelligence in ulcerative colitis. Expert Rev. Gastroenterol. Hepatol 2023; 17: 145-153
- 4 Repici A.. et al. Artificial intelligence and colonoscopy experience: lessons from two randomised trials. Gut 2022; 71: 757-765
- 5 de Groof A.J.. et al. Deep-Learning System Detects Neoplasia in Patients With Barrett’s Esophagus With Higher Accuracy Than Endoscopists in a Multistep Training and Validation Study With Benchmarking. Gastroenterology 2020; 158: 915-929.e4