Das Suchergebnis hat sich seit Ihrer Suchanfrage verändert. Eventuell werden Dokumente in anderer Reihenfolge angezeigt.
  • Treffer 9 von 19
Zurück zur Trefferliste

Einsatz von künstlicher Intelligenz (KI) als Entscheidungsunterstützungssystem für nicht-Experten bei der Beurteilung von Barrett-Ösophagus assoziierten Neoplasien (BERN)

  • Einleitung Die sichere Detektion und Charakterisierung von Barrett-Ösophagus assoziierten Neoplasien (BERN) stellt selbst für erfahrene Endoskopiker eine Herausforderung dar. Ziel Ziel dieser Studie ist es, den Add-on Effekt eines künstlichen Intelligenz (KI) Systems (Barrett-Ampel) als Entscheidungsunterstüzungssystem für Endoskopiker ohne Expertise bei der Untersuchung von BERN zu evaluieren. Material und Methodik Zwölf Videos in „Weißlicht“ (WL), „narrow-band imaging“ (NBI) und „texture and color enhanced imaging“ (TXI) von histologisch bestätigten Barrett-Metaplasien oder BERN wurden von Experten und Untersuchern ohne Barrett-Expertise evaluiert. Die Probanden wurden dazu aufgefordert in den Videos auftauchende BERN zu identifizieren und gegebenenfalls die optimale Biopsiestelle zu markieren. Unser KI-System wurde demselben Test unterzogen, wobei dieses BERN in Echtzeit segmentierte und farblich von umliegendem Epithel differenzierte. Anschließend wurden den Probanden die Videos mit zusätzlicher KI-Unterstützung gezeigt. Basierend auf dieser neuen Information, wurden die Probanden zu einer Reevaluation ihrer initialen Beurteilung aufgefordert. Ergebnisse Die „Barrett-Ampel“ identifizierte unabhängig von den verwendeten Darstellungsmodi (WL, NBI, TXI) alle BERN. Zwei entzündlich veränderte Läsionen wurden fehlinterpretiert (Genauigkeit=75%). Während Experten vergleichbare Ergebnisse erzielten (Genauigkeit=70,8%), hatten Endoskopiker ohne Expertise bei der Beurteilung von Barrett-Metaplasien eine Genauigkeit von lediglich 58,3%. Wurden die nicht-Experten allerdings von unserem KI-System unterstützt, erreichten diese eine Genauigkeit von 75%. Zusammenfassung Unser KI-System hat das Potential als Entscheidungsunterstützungssystem bei der Differenzierung zwischen Barrett-Metaplasie und BERN zu fungieren und so Endoskopiker ohne entsprechende Expertise zu assistieren. Eine Limitation dieser Studie ist die niedrige Anzahl an eingeschlossenen Videos. Um die Ergebnisse dieser Studie zu bestätigen, müssen randomisierte kontrollierte klinische Studien durchgeführt werden.

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Verfasserangaben:Michael Meinikheim, Robert MendelORCiD, Markus W. ScheppachORCiD, Andreas Probst, Friederike Prinz, Tanja Schwamberger, Jakob Schlottmann, Stefan Karl Gölder, Benjamin Walter, Ingo Steinbrück, Christoph PalmORCiDGND, Helmut Messmann, Alanna EbigboORCiD
DOI:https://doi.org/10.1055/s-0042-1745653
Titel des übergeordneten Werkes (Deutsch):Zeitschrift für Gastroenterologie
Verlag:Thieme
Verlagsort:Stuttgart
Dokumentart:Konferenzveröffentlichung (Präsentation, Abstract)
Sprache der Veröffentlichung:Deutsch
Jahr der Veröffentlichung:2022
Datum der Freischaltung:11.04.2022
Freies Schlagwort / Tag:Barrett-Ösophagus; Künstliche Intelligenz
Psyndex-Schlagwort:Speiseröhrenkrankheit
Jahrgang:60
Ausgabe / Heft:4
Aufsatznummer:e251
Erste Seite:251
Konferenzangabe:49. Jahrestagung der Gesellschaft für Gastroenterologie in Bayern e.V., Freising
Fakultäten / Institute / Einrichtungen:Fakultät Informatik und Mathematik
Fakultät Informatik und Mathematik / Regensburg Medical Image Computing (ReMIC)
Begutachtungsstatus:peer-reviewed
Forschungsschwerpunkt:Lebenswissenschaften und Ethik
Lizenz (Deutsch):Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG