nach oben

Die Gastroenterologie

Erschienen in:

21.12.2020 | Endoskopie | Schwerpunkt

Künstliche Intelligenz in der Endoskopie – neue Wege zur Polypendetektion und Charakterisierung

verfasst von: Prof. Dr. H.- D. Allescher, M. Mangold, Dr. V. Weingart

Erschienen in: Die Gastroenterologie | Ausgabe 1/2021

Einloggen, um Zugang zu erhalten

Zusammenfassung

Die Effektivität der Vorsorgekoloskopie hängt entscheidend von der Qualität der endoskopischen Untersuchung ab. Dabei werden Gewebeveränderungen und Polypen möglichst vollständig identifiziert und, falls erforderlich, komplett entfernt. Die Rate an übersehenen Polypen korreliert direkt mit der Rate an Intervallkarzinomen. Daher ist es naheliegend, sich der Möglichkeiten der automatischen Strukturerkennung zu bedienen, um die Entdeckung und die Charakterisierung von Polypen zu optimieren. Bild- und Strukturerkennung und insbesondere die neuen Möglichkeiten der künstlichen Intelligenz können hierbei einen möglichen wertvollen Beitrag liefern. Die Entwicklungsaktivitäten sind darauf ausgerichtet, einerseits die Detektion von Polypen bei der Koloskopie mittels automatisierter Bildanalysesysteme zu unterstützen und andererseits mittels Bildanalyse eine Hilfestellung bei der geweblichen Charakterisierung der gefundenen Polypen im Sinne der computergestützten Diagnose („computer-aided diagnosis“, CAD) zu geben. Dieser Überblick soll eine aktuelle Zusammenfassung der verschiedenen Ansätze und Entwicklung im Bereich der Koloskopie geben.

Kaminski MF, Regula J, Kraszewska E, Polkowski M, Wojciechowska U, Didkowska J, Zwierko M, Rupinski M, Nowacki MP, Butruk E (2010) Quality indicators for colonoscopy and the risk of interval cancer. N Engl J Med 362:1795–1803CrossRef

Corley DA, Levin TR, Doubeni CA (2014) Adenoma detection rate and risk of colorectal cancer and death. N Engl J Med 370:2541CrossRef

Gulati S, Emmanuel A, Patel M, Williams S, Haji A, Hayee B, Neumann H (2020) Artificial intelligence in luminal endoscopy. Ther Adv Gastrointest Endosc 13:2631774520935220PubMedPubMedCentral

Gulati S, Patel M, Emmanuel A, Haji A, Hayee B, Neumann H (2020) The future of endoscopy: Advances in endoscopic image innovations. Dig Endosc 32:512–522CrossRef

Alagappan M, Brown JRG, Mori Y, Berzin TM (2018) Artificial intelligence in gastrointestinal endoscopy: the future is almost here. World J Gastrointest Endosc 10:239–249CrossRef

Tischendorf JJ, Gross S, Winograd R, Hecker H, Auer R, Behrens A, Trautwein C, Aach T, Stehle T (2010) Computer-aided classification of colorectal polyps based on vascular patterns: a pilot study. Endoscopy 42:203–207CrossRef

Gross S, Trautwein C, Behrens A, Winograd R, Palm S, Lutz HH, Schirin-Sokhan R, Hecker H, Aach T, Tischendorf JJ (2011) Computer-based classification of small colorectal polyps by using narrow-band imaging with optical magnification. Gastrointest Endosc 74:1354–1359CrossRef

Kominami Y, Yoshida S, Tanaka S, Sanomura Y, Hirakawa T, Raytchev B, Tamaki T, Koide T, Kaneda K, Chayama K (2016) Computer-aided diagnosis of colorectal polyp histology by using a real-time image recognition system and narrow-band imaging magnifying colonoscopy. Gastrointest Endosc 83:643–649CrossRef

Fernandez-Esparrach G, Bernal J, Lopez-Ceron M, Cordova H, Sanchez-Montes C, Rodriguez de Miguel C, Sanchez FJ (2016) Exploring the clinical potential of an automatic colonic polyp detection method based on the creation of energy maps. Endoscopy 48:837–842CrossRef

10.

Wang Y, Tavanapong W, Wong J, Oh JH, de Groen PC (2015) Polyp-Alert: near real-time feedback during colonoscopy. Comput Methods Programs Biomed 120:164–179CrossRef

11.

Klare P, Sander C, Prinzen M, Haller B, Nowack S, Abdelhafez M, Poszler A, Brown H, Wilhelm D, Schmid RM, von Delius S, Wittenberg T (2019) Automated polyp detection in the colorectum: a prospective study (with videos). Gastrointest Endosc 89:576–582.e1CrossRef

12.

Wang P, Xiao X, Glissen Brown JR, Berzin TM, Tu M, Xiong F, Hu X, Liu P, Song Y, Zhang D, Yang X, Li L, He J, Yi X, Liu J, Liu X (2018) Development and validation of a deep-learning algorithm for the detection of polyps during colonoscopy. Nat Biomed Eng 2:741–748CrossRef

13.

Yamada M, Saito Y, Imaoka H, Saiko M, Yamada S, Kondo H, Takamaru H, Sakamoto T, Sese J, Kuchiba A, Shibata T, Hamamoto R (2019) Development of a real-time endoscopic image diagnosis support system using deep learning technology in colonoscopy. Sci Rep 9:14465CrossRef

14.

Mori Y, Kudo SE, Misawa M, Mori K (2019) Simultaneous detection and characterization of diminutive polyps with the use of artificial intelligence during colonoscopy. VideoGIE 4:7–10CrossRef

15.

Misawa M, Kudo SE, Mori Y, Nakamura H, Kataoka S, Maeda Y, Kudo T, Hayashi T, Wakamura K, Miyachi H, Katagiri A, Baba T, Ishida F, Inoue H, Nimura Y, Mori K (2016) Characterization of colorectal lesions using a computer-aided diagnostic system for narrow-band imaging endocytoscopy. Gastroenterology 150(e1533):1531–1532.e3CrossRef

16.

Misawa M, Kudo SE, Mori Y, Cho T, Kataoka S, Yamauchi A, Ogawa Y, Maeda Y, Takeda K, Ichimasa K, Nakamura H, Yagawa Y, Toyoshima N, Ogata N, Kudo T, Hisayuki T, Hayashi T, Wakamura K, Baba T, Ishida F, Itoh H, Roth H, Oda M, Mori K (2018) Artificial Intelligence-Assisted Polyp Detection for Colonoscop, based on thhe largest available collection of clinical video data for machine learning. Gastrointest Endosc 89:AB646–AB647CrossRef

17.

Misawa M, Kudo SE, Mori Y, Cho T, Kataoka S, Yamauchi A, Ogawa Y, Maeda Y, Takeda K, Ichimasa K, Nakamura H, Yagawa Y, Toyoshima N, Ogata N, Kudo T, Hisayuki T, Hayashi T, Wakamura K, Baba T, Ishida F, Itoh H, Roth H, Oda M, Mori K (2018) Artificial Intelligence-Assisted Polyp Detection for Colonoscopy: Initial Experience. Gastroenterology 154:2027–2029.e3CrossRef

18.

Urban G, Tripathi P, Alkayali T, Mittal M, Jalali F, Karnes W, Baldi P (2018) Deep learning localizes and identifies polyps in real time with 96 % accuracy in screening colonoscopy. Gastroenterology 155(e1068):1069–1078.e8CrossRef

19.

Hassan C, Wallace MB, Sharma P, Maselli R, Craviotto V, Spadaccini M, Repici A (2020) New artificial intelligence system: first validation study versus experienced endoscopists for colorectal polyp detection. Gut 69:799–800CrossRef

20.

Byrne MF, Chapados N, Soudan F, Oertel C, Linares PM, Kelly R, Iqbal N, Chandelier F, Rex DK (2019) Real-time differentiation of adenomatous and hyperplastic diminutive colorectal polyps during analysis of unaltered videos of standard colonoscopy using a deep learning model. Gut 68:94–100CrossRef

21.

Gong D, Wu L, Zhang J, Mu G, Shen L, Liu J, Wang Z, Zhou W, An P, Huang X, Jiang X, Li Y, Wan X, Hu S, Chen Y, Hu X, Xu Y, Zhu X, Li S, Yao L, He X, Chen D, Huang L, Wei X, Wang X, Yu H (2020) Detection of colorectal adenomas with a real-time computer-aided system (ENDOANGEL): a randomised controlled study. Lancet Gastroenterol Hepatol 5(4):352–361. https://doi.org/10.1016/S2468-1253(19)30413-3

22.

Liu W, Zhang Y, Bian X, Wang L, Yang Q, Zhang X, Huang J (2020) Study on detection rate of polyps and adenomas in artificial-intelligence-aided colonoscopy. Saudi J Gastroenterol 26(1):13–19. https://doi.org/10.4103/sjg.SJG_377_19

23.

Wang P, Liu X, Berzin TM, Glissen Brown JR, Liu P, Zhou C, Lei L, Li L, Guo Z, Lei S, Xiong F, Wang H, Song Y, Pan Y, Zhou G (2020) Effect of a deep-learning computer-aided detection system on adenoma detection during colonoscopy (CADe-DB trial): a double-blind randomised study. Lancet Gastroenterol Hepatol 5:343–351CrossRef

24.

Wang P, Berzin TM, Glissen Brown JR, Bharadwaj S, Becq A, Xiao X, Liu P, Li L, Song Y, Zhang D, Li Y, Xu G, Tu M, Liu X (2019) Real-time automatic detection system increases colonoscopic polyp and adenoma detection rates: a prospective randomised controlled study. Gut 68:1813–1819CrossRef

25.

Su JR, Li Z, Shao XJ, Ji CR, Ji R, Zhou RC, Li GC, Liu GQ, He YS, Zuo XL, Li YQ (2020) Impact of a real-time automatic quality control system on colorectal polyp and adenoma detection: a prospective randomized controlled study (with videos). Gastrointest Endosc 91:415–424.e4CrossRef

26.

Barua I, Vinsard D, Jodal H, Loberg M, Kalager M, Holme O, Misawa M, Bretthauer M, Mori Y (2020) Artificial intelligence for polyp detection during colonoscopy: a systematic review and meta-analysis. Endoscopy. https://doi.org/10.1055/a-1201-7165

27.

Hassan C, Spadaccini M, Iannone A, Maselli R, Jovani M, Chandrasekar VT, Antonelli G, Yu H, Areia M, Dinis-Ribeiro M, Bhandari P, Sharma P, Rex DK, Rosch T, Wallace M, Repici A (2020) Performance of artificial intelligence for colonoscopy regarding adenoma and polyp detection: a meta-analysis. Gastrointest Endosc S0016-5107(20)34523-5. https://doi.org/10.1016/j.gie.2020.06.059

28.

Repici A, Badalamenti M, Maselli R, Correale L, Radaelli F, Rondonotti E, Ferrara E, Spadaccini M, Alkandari A, Fugazza A, Anderloni A, Galtieri PA, Pellegatta G, Carrara S, Di Leo M, Craviotto V, Lamonaca L, Lorenzetti R, Andrealli A, Antonelli G, Wallace M, Sharma P, Rosch T, Hassan C (2020) Efficacy of real-time computer-aided detection of colorectal neoplasia in a randomized trial. Gastroenterology 159(e517):512–520e7CrossRef

29.

Hartstein JD, Vemulapalli KC, Rex DK (2020) The predictive value of small versus diminutive adenomas for subsequent advanced neoplasia. Gastrointest Endosc 91(e616):614–621e6CrossRef

30.

Jerebko AK, Malley JD, Franaszek M, Summers RM (2005) Support vector machines committee classification method for computer-aided polyp detection in CT colonography. Acad Radiol 12:479–486CrossRef

31.

Kudo SE, Mori Y, Misawa M, Takeda K, Kudo T, Itoh H, Oda M, Mori K (2019) Artificial intelligence and colonoscopy: current status and future perspectives. Dig Endosc 31:363–371CrossRef

32.

Mori Y (2019) Artificial intelligence and colonoscopy: the time is ripe to begin clinical trials. Endoscopy 51:219–220CrossRef

33.

Vinsard DG, Mori Y, Misawa M, Kudo SE, Rastogi A, Bagci U, Rex DK, Wallace MB (2019) Quality assurance of computer-aided detection and diagnosis in colonoscopy. Gastrointest Endosc 90:55–63CrossRef

34.

Min JK, Kwak MS, Cha JM (2019) Overview of deep learning in gastrointestinal endoscopy. Gut Liver 13:388–393CrossRef

35.

Kudo S, Tamura S, Nakajima T, Yamano H, Kusaka H, Watanabe H (1996) Diagnosis of colorectal tumorous lesions by magnifying endoscopy. Gastrointest Endosc 44:8–14CrossRef

36.

Mori Y, Kudo SE, Wakamura K, Misawa M, Ogawa Y, Kutsukawa M, Kudo T, Hayashi T, Miyachi H, Ishida F, Inoue H (2015) Novel computer-aided diagnostic system for colorectal lesions by using endocytoscopy (with videos). Gastrointest Endosc 81:621–629CrossRef

37.

Fu JJ, Yu YW, Lin HM, Chai JW, Chen CC (2014) Feature extraction and pattern classification of colorectal polyps in colonoscopic imaging. Comput Med Imaging Graph 38:267–275CrossRef

38.

Rex DK, Kahi C, O’Brien M, Levin TR, Pohl H, Rastogi A, Burgart L, Imperiale T, Ladabaum U, Cohen J, Lieberman DA (2011) The American Society for Gastrointestinal Endoscopy PIVI (Preservation and Incorporation of Valuable Endoscopic Innovations) on real-time endoscopic assessment of the histology of diminutive colorectal polyps. Gastrointest Endosc 73:419–422CrossRef

Titel: Künstliche Intelligenz in der Endoskopie – neue Wege zur Polypendetektion und Charakterisierung
verfasst von: Prof. Dr. H.- D. Allescher
M. Mangold
Dr. V. Weingart
Publikationsdatum: 21.12.2020
Verlag: Springer Medizin
Schlagwörter: Endoskopie
Koloskopie
Künstliche Intelligenz
Erschienen in: Die Gastroenterologie / Ausgabe 1/2021
Print ISSN: 2731-7420
Elektronische ISSN: 2731-7439
DOI: https://doi.org/10.1007/s11377-020-00495-y

Leitlinien kompakt für die Innere Medizin

Mit medbee Pocketcards sicher entscheiden.

^{Seit 2022 gehört die medbee GmbH zum Springer Medizin Verlag}

Kostenlos registrieren

Neu im Fachgebiet Innere Medizin

25.04.2024 | Hypotonie | Nachrichten

Update Innere Medizin

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.

Newsletter bestellen

Springer Medizin

Künstliche Intelligenz in der Endoskopie – neue Wege zur Polypendetektion und Charakterisierung

Zusammenfassung

Leitlinien kompakt für die Innere Medizin

Neu im Fachgebiet Innere Medizin

Niedriger diastolischer Blutdruck erhöht Risiko für schwere kardiovaskuläre Komplikationen

Therapiestart mit Blutdrucksenkern erhöht Frakturrisiko

Adjuvante Immuntherapie verlängert Leben bei RCC

Alectinib verbessert krankheitsfreies Überleben bei ALK-positivem NSCLC

Update Innere Medizin

Springer Medizin

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Weitere Artikel der Ausgabe 1/2021

Mitteilungen des Netzwerks gegen Darmkrebs

Mitteilungen der Gesellschaft für Gastroenterologie in NRW

Künstliche Intelligenz in der Viszeralmedizin – „brave new world“ oder digitaler Horror?

Eine seltene fokale Raumforderung parenchymatöser Oberbauchorgane

Mitteilungen des BDI

Mitteilungen der GARPS

Leitlinien kompakt für die Innere Medizin

Neu im Fachgebiet Innere Medizin

Niedriger diastolischer Blutdruck erhöht Risiko für schwere kardiovaskuläre Komplikationen

Therapiestart mit Blutdrucksenkern erhöht Frakturrisiko

Adjuvante Immuntherapie verlängert Leben bei RCC

Alectinib verbessert krankheitsfreies Überleben bei ALK-positivem NSCLC

Update Innere Medizin