Künstliche Intelligenz zur Erkennung von endoskopisch resektablen Adenokarzinomen des Ösophagus (EREAC-AI)
Zeitschrift für Gastroenterologie · 01.03.2026 · 64 (03) · e69-e70
DOI: 10.1055/s-0046-1817759 ↗Kurz gefasst
Fachartikel in der Zeitschrift Zeitschrift für Gastroenterologie, erschienen am 01.03.2026. Verfasst von J Bellinghoven und 8 weiteren Autor:innen.
Abstract (Originalsprache)
Die zuverlässige endoskopische Einschätzung der Infiltrationstiefe bei Neoplasien des Barrett-Ösophagus (BO) ist entscheidend für die Therapieentscheidung zwischen organerhaltender endoskopischer Resektion und chirurgischer Resektion. Ziel dieser Studie ist die Entwicklung eines KIVision- Modells, das endoskopisch kurativ resezierbare Läsionen (LGD; HGD; T1a m1 –T1b sm1, L0, V0 und G1-2; EREAC) von nicht kurativ endoskopisch resezierbaren Läsionen (≥ T1b sm2 und/oder L1, V1, G3; NEREAC) anhand endoskopischer Bildgebung unterscheidet. In einer Pilotstudie mit 116 Patient:innen wurde bei der Unterscheidung von T1a vs. T1b mit 230 Bildern ein F1-Score, eine Sensitivität und Spezifität von 74%, 77% und 64% erreicht. [ 1 ] Material und Methodik Es handelt sich um eine ambidirektionale multizentrische Studie mit insgesamt n=578 Patient:innen und n=651 Läsionen im Zeitraum Januar 2014 bis Juni 2025. Eingeschlossen wurden Patient:innen mit gesicherter BO-assoziierter Neoplasie anhand des histologischen Goldstandards durch a) endoskopische Submukosadissektion (ESD) oder b) chirurgische Resektion. Insgesamt wurden 526 Läsionen im Arm EREAC und 125 Läsionen der Gruppe im Arm NEREAC akquiriert. Es werden Bild- und Videodaten aus Olympus und Fuji-Endoskopen verwendet. Aus der Videodokumentation wurden Frames extrahiert und anhand eines vordefinierten Schemas annotiert (u.a. Lasionssichtbarkeit, virtuelle (NBI, TXI) und farbbasierte Chromoendoskopie, Zoommodus). Es erfolgte eine mehrstufige Annotation durch einen medizinischen Doktoranden (J.B.), mit 1:1 Supervision durch einen endoskopisch tätigen Facharzt im Bereich Gastroenterologie (D.R.), sowie durch einen Barrett-Experten (A.E). Aufgrund einer Klassenimbalance zugunsten der EREAC-Gruppe erfolgt zunachst eine Zwischenanalyse aus 185 Patient:innen mit 215 Läsionen mit a 500 Frames. Mittels ConvNeXt Tiny Architektur wurde eine 5-fache Cross-Validierung mit Split auf Patientenebene durchgeführt. Primare Leistungsmetriken sind F1-Score, Sensitivität und Spezifität. Ergebnisse Im aktuellen Test erreichte das KI-Modell für die Klassifikation (EREAC vs. NEREAC) einen mittleren F1-Score von 78.3% (resektabel: 79.8%, nicht 2 resektabel: 76.8%). Die mittlere Sensitivität und Spezifität lag bei je 78.3%. Die klassenspezifische Sensitivität und Spezifität zur Erkennung von NEREAC lag bei 72.0% und 84.6%. Zusammenfassung Ein KI-Assistenzmodell kann die endoskopische Einschatzung der Resektabilität von Barrett-Neoplasien unterstutzen, indem es die Infiltrationstiefe aus endoskopischer Bildgebung pradiziert. Klinisch besonders relevant ist die hohe Spezifität in der Erkennung nicht-resektabler Läsionen. Nächste Schritte sind das weitere Training mit höherer Datenmenge, die adressierte Aufarbeitung der Klassenimbalance, externe Validierung sowie die Echtzeit-Implementation. Publication History Article published online: 24 March 2026 © 2026. Thieme. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany
Zitieren
APA
Bellinghoven, J., Märkl, R., Rauber, D., Ebigbo, A., Palm, C., Nagl, S., Probst, A., Messmann, H., & Roser, D. (2026). Künstliche Intelligenz zur Erkennung von endoskopisch resektablen Adenokarzinomen des Ösophagus (EREAC-AI). Zeitschrift für Gastroenterologie, 64(03), e69-e70. https://doi.org/10.1055/s-0046-1817759
Vancouver
Bellinghoven J, Märkl R, Rauber D, Ebigbo A, Palm C, Nagl S, et al. Künstliche Intelligenz zur Erkennung von endoskopisch resektablen Adenokarzinomen des Ösophagus (EREAC-AI). Zeitschrift für Gastroenterologie. 2026;64(03):e69-e70. doi:10.1055/s-0046-1817759
BibTeX
@article{Bellinghoven2026,
author = {Bellinghoven, J and Märkl, R and Rauber, D and Ebigbo, A and Palm, C and Nagl, S and Probst, A and Messmann, H and Roser, D},
title = {Künstliche Intelligenz zur Erkennung von endoskopisch resektablen Adenokarzinomen des Ösophagus (EREAC-AI)},
journal = {Zeitschrift für Gastroenterologie},
year = {2026},
volume = {64},
number = {03},
pages = {e69--e70},
doi = {10.1055/s-0046-1817759}
}
EUVIMED