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).

Tab. 1 Basisdaten.

	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]).

Tab. 2 Ergebnisse.

	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