Laut einer neuen systematischen Überprüfung und Metaanalyse weisen Systeme mit künstlicher Intelligenz (KI) ein hohes Potenzial für die Erkennung der Schleimhautheilung bei Colitis ulcerosa mit optimaler diagnostischer Leistung auf.
KI-Algorithmen reproduzierten Expertenmeinungen mit hoher Sensitivität und Spezifität bei der Auswertung von Bildern und Videos. Gleichzeitig wurde eine mäßig bis hohe Heterogenität der Daten festgestellt, stellten die Autoren fest.
„Es wird erwartet, dass Software für künstliche Intelligenz möglicherweise das seit langem bestehende Problem einer geringen bis mäßigen Übereinstimmung zwischen Beobachtern löst, wenn menschliche Endoskopiker die Schleimhautheilung oder unterschiedliche Entzündungsgrade bei Colitis ulcerosa anzeigen müssen“, sagt Alessandro Rimondi, Hauptautor und klinischer Mitarbeiter am Royal Das teilte das Free Hospital and University College London Institute for Liver and Digestive Health, England, mit Medizinische Nachrichten von Medscape.
„Es wurde jedoch ein hohes Maß an Heterogenität festgestellt, das möglicherweise damit zusammenhängt, wie unterschiedlich die KI-Software trainiert wurde und an wie vielen Fällen sie getestet wurde“, sagte er. „Dies schränkt teilweise die Qualität der Beweislage ein.“
Die Studie wurde online veröffentlicht in Verdauungs- und Lebererkrankungen.
Bewertung der KI-Erkennung
In der klinischen Praxis ist die Beurteilung der Schleimhautheilung bei entzündlichen Darmerkrankungen (IBD) von entscheidender Bedeutung für die Beurteilung des Ansprechens eines Patienten auf die Therapie und für die Steuerung von Strategien für Behandlung, Operation und endoskopische Überwachung. Im Zeitalter der Präzisionsmedizin sollte die Beurteilung der Schleimhautheilung präzise, in einem endoskopischen Bericht leicht verfügbar und hoch reproduzierbar sein, was eine hohe Genauigkeit und Übereinstimmung bei der endoskopischen Diagnose erfordert, so die Autoren.
KI-Systeme – insbesondere Deep-Learning-Algorithmen, die auf einer Faltungs-Neuronalen-Netzwerk-Architektur basieren – könnten es Endoskopikern ermöglichen, eine objektive und Echtzeitdiagnose der Schleimhautheilung zu erstellen und die durchschnittlichen Qualitätsstandards in primären und tertiären Versorgungszentren zu verbessern, schreiben die Autoren. Die Forschung zu KI bei IBD hat mögliche Auswirkungen auf die Endoskopie und das klinische Management untersucht, was neue Bereiche zur Erforschung eröffnet.
Rimondi und Kollegen führten eine systematische Überprüfung von Studien bis Dezember 2022 durch, die ein KI-basiertes System zur Schätzung jedes Ausmaßes endoskopischer Entzündungen bei IBD umfassten, sei es Colitis ulcerosa oder Morbus Crohn. Anschließend führten sie eine Metaanalyse der diagnostischen Testgenauigkeit durch, die auf den Bereich beschränkt war, in dem mehr als fünf Studien zur diagnostischen Leistung – Schleimhautheilung bei Colitis ulcerosa auf der Grundlage luminaler Bildgebung – verfügbar waren.
Die Forscher identifizierten 12 Studien mit luminaler Bildgebung bei Patienten mit Colitis ulcerosa. Vier bewerteten die Leistung von KI-Systemen bei Videos, sechs konzentrierten sich auf Standbilder und zwei betrachteten beides.
Insgesamt erzielten die KI-Systeme eine zufriedenstellende Leistung bei der Bewertung der Schleimhautheilung bei Colitis ulcerosa. Bei der Auswertung fester Bilder erreichten die Algorithmen eine Sensitivität von 0,91 und eine Spezifität von 0,89, mit einem diagnostischen Odds Ratio (DOR) von 92,42, einer Summary Receiver Operating Characteristic Curve (SROC) von 0,957 und einer Fläche unter der Kurve (AUC) von 0,957. Bei der Auswertung von Videos erreichten die Algorithmen eine Sensitivität von 0,86, eine Spezifität von 0,91, einen DOR von 70,86, einen SROC von 0,941 und einen AUC von 0,941.
„Es ist aufregend zu sehen, wie sich künstliche Intelligenz ausbreitet und bei Erkrankungen über Dickdarmpolypen hinaus wirksam ist“, sagte Seth Gross, MD, Professor für Medizin und klinischer Leiter der Gastroenterologie und Hepatologie an der NYU Langone Health, New York Mediennachrichten von Medscape.
Gross, der an dieser Studie nicht beteiligt war, hat KI-Anwendungen in der Endoskopie und Koloskopie erforscht. Er und Kollegen haben herausgefunden, dass Software für maschinelles Lernen die Erkennung von Läsionen und Polypen verbessern kann und als „zweite Augenpaar“ für Ärzte dient.
„Die Interpretation der Schleimhautheilung kann je nach Anbieter unterschiedlich sein“, sagte er. „KI hat das Potenzial, dabei zu helfen, die Beurteilung der Schleimhautheilung bei Patienten mit Colitis ulcerosa zu standardisieren.“
Verbesserung des KI-Trainings
Die Autoren stellten ein mäßiges bis hohes Maß an Heterogenität zwischen den Studien fest, was die Qualität der Evidenz einschränkte. Nur zwei der zwölf Studien verwendeten einen externen Datensatz zur Validierung der KI-Systeme und eine evaluierte das KI-System anhand einer gemischten Datenbank. Allerdings verwendeten sieben einen vom Trainingsdatensatz getrennten internen Validierungsdatensatz.
Es sei von entscheidender Bedeutung, einen gemeinsamen Konsens über das Training von KI-Modellen zu finden, mit einer gemeinsamen Definition der Schleimhautheilung und Grenzwerten auf der Grundlage aktueller Richtlinien, betonten Rimondi und Kollegen. Trainingsdaten sollten idealerweise auf einer breiten und gemeinsam genutzten Datenbank basieren, die Bilder und Videos mit hoher Übereinstimmung zwischen Beobachtern über den Grad der Entzündung enthält, fügten sie hinzu.
„Wir brauchen wahrscheinlich einen Konsens oder Richtlinien, die die Standards für das Training und Testen neu entwickelter Software festlegen und die absolute Mindestanzahl an Bildern oder Videos für die Trainings- und Testabschnitte angeben“, sagte Rimondi.
Darüber hinaus könnte eine von Experten validierte Datenbank aufgrund der Fehlausrichtung zwischen Beobachtern dazu beitragen, den Zweck eines Goldstandards zu erfüllen, fügte er hinzu.
„Meiner Meinung nach schneidet künstliche Intelligenz tendenziell besser ab, wenn es darum geht, ein dichotomisches Ergebnis zu bewerten (z. B. die Erkennung von Polypen, bei der es sich um eine Ja- oder Nein-Aufgabe handelt), als wenn es darum geht, schwierigere Aufgaben zu reproduzieren (z. B. die Charakterisierung von Polypen usw.). „Beurteilung des Entzündungsgrades), die einen kontinuierlichen Ausdrucksbereich aufweisen“, sagte Rimondi.
Die Autoren erklärten keine finanzielle Unterstützung für diese Studie. Rimondi und Gross machten keine finanziellen Angaben.
Carolyn Crist ist eine Gesundheits- und Medizinjournalistin, die für Medscape, MDedge und WebMD über die neuesten Studien berichtet.
