Auf dem Weg zur automatisierten Koloskopie-Berichterstellung: Eine künstliche Intelligenz zur Identifikation und Unterscheidung individueller Polypen
Zeitschrift für Gastroenterologie · 01.08.2023 · 61 (08) · e531-e532
DOI: 10.1055/s-0043-1771986 ↗Kurz gefasst
Fachartikel in der Zeitschrift Zeitschrift für Gastroenterologie, erschienen am 01.08.2023. Verfasst von Y. Chiang und 9 weiteren Autor:innen.
Abstract (Originalsprache)
Einleitung Die automatische Identifizierung und Unterscheidung einzelner kolorektaler Polypen durch künstliche Intelligenz (KI) ist ein entscheidender Schritt bei der Entwicklung von Systemen zur automatischen Erstellung von Koloskopiebefunden. Die Gesamtzahl der gefundenen Polypen mit jeweils einem charakteristischen Bild sollte in jedem Bericht vorhanden sein, da diese das Nachsorgeintervall und die Behandlung bestimmen. Es gibt bislang jedoch keine Methode, um diese Aufgabe zu lösen. Ziele In dieser Studie stellen wir eine auf KI-basierende Pipeline zur automatischen Identifizierung individueller Polypen und Extraktion entsprechenden repräsentativen Bildern aus aufgezeichneten Videos vor. Das Ziel ist es, das Schreiben von Koloskopiebefunden zu vereinfachen und zu beschleunigen. Methodik Zur Identifikation und Unterscheidung individueller Polypen wurde eine Pipeline entwickelt, die aus einem neuronalen Netzwerk mit einer sogenannten Siamese Twin Architektur und einer hierarchischen Clustering-Methode besteht. Das KI-Modell wurde anhand von Einzelbildern mit Polypen trainiert und validiert. Hierfür verwendeten wir 549 Koloskopievideos zum Training und 61 zur Validierung. Die Videos wurden in 7 verschiedenen Endoskopiezentren aufgenommen. Die von uns entwickelte Pipeline wurde an Bildern von insgesamt 29 verschiedene Polypen getestet, welche aus 10 Koloskopien extrahiert wurden. Zur Qualitätsanalyse des Clusterings haben wir zwei verschiedene Bewertungsmetriken verwendet, die von 0 (keine Korrelation) bis 1 (perfekte Korrelation) reichten: normalisierte gegenseitige Information (NMI) und angepasster Randindex (ARI). Zusätzlich berechneten wir die Präzision der entsprechenden einzelnen Polypenbilder. Ergebnis Die Pipeline erreichte bei Tests mit Polypenbildern aus 10 Koloskopieuntersuchungen einen NMI von 0,862 und einen ARI von 0,835. Das bedeutet, dass mindestens 80% der Daten genau geclustert und identifiziert werden konnten. Die durchschnittliche Präzision lag bei 0,763, was die Wahrscheinlichkeit angibt, dass einzelne Polypenbilder zu dem korrekten Cluster zugeordnet werden. Schlussfolgerung Wir haben eine Pipeline entwickelt, die mithilfe von künstlicher Intelligenz einzelne Polypen in einem Video identifiziert und repräsentative Polypenbilder finden kann. Dieser Ansatz hat das Potenzial, den Prozess der automatischen Erstellung eines Koloskopieberichts zu vereinfachen und gleichzeitig charakteristische Bilder für jeden erkannten Polypen zu extrahieren. Publication History Article published online: 28 August 2023 © 2023. Thieme. All rights reserved. Georg Thieme Verlag Rüdigerstraße 14, 70469 Stuttgart, Germany
Zitieren
APA
Chiang, Y., Sodmann, P., Kafetzis, I., Lux, T. J., Saßmannshausen, Z., Troya, J., Brand, M., Zoller, W. G., Meining, A., & Hann, A. (2023). Auf dem Weg zur automatisierten Koloskopie-Berichterstellung: Eine künstliche Intelligenz zur Identifikation und Unterscheidung individueller Polypen. Zeitschrift für Gastroenterologie, 61(08), e531-e532. https://doi.org/10.1055/s-0043-1771986
Vancouver
Chiang Y, Sodmann P, Kafetzis I, Lux TJ, Saßmannshausen Z, Troya J, et al. Auf dem Weg zur automatisierten Koloskopie-Berichterstellung: Eine künstliche Intelligenz zur Identifikation und Unterscheidung individueller Polypen. Zeitschrift für Gastroenterologie. 2023;61(08):e531-e532. doi:10.1055/s-0043-1771986
BibTeX
@article{Chiang2023,
author = {Chiang, Y. and Sodmann, P. and Kafetzis, I. and Lux, T. J. and Saßmannshausen, Z. and Troya, J. and Brand, M. and Zoller, W. G. and Meining, A. and Hann, A.},
title = {Auf dem Weg zur automatisierten Koloskopie-Berichterstellung: Eine künstliche Intelligenz zur Identifikation und Unterscheidung individueller Polypen},
journal = {Zeitschrift für Gastroenterologie},
year = {2023},
volume = {61},
number = {08},
pages = {e531--e532},
doi = {10.1055/s-0043-1771986}
}
EUVIMED