Dickdarm bis Rektum
Gastroenterology. 2023;164(7):1180−8.e2
Artificial intelligence enabled histological prediction of remission or activity and clinical outcomes in ulcerative colitis
Künstliche Intelligenz ermöglicht die histologische Vorhersage von Remission oder Aktivität und des klinischen Outcomes bei Colitis ulcerosa
Die mikroskopische Entzündung hat einen bedeutenden prognostischen Wert bei Colitis ulcerosa; ihre Bewertung ist jedoch komplex und weist eine hohe Variabilität zwischen den Untersuchenden auf. Ziel war die Entwicklung und Validierung eines auf künstlicher Intelligenz (KI) basierenden computergestützten Diagnosesystems zur Bewertung von Colitis-ulcerosa-Biopsien und zur Vorhersage der Prognose. Insgesamt 535 digitalisierte Biopsien (von 273 Patient*innen) wurden nach dem PICaSSO Histologic Remission Index (PHRI), dem Robarts- und dem Nancy-Index bewertet. Ein Convolutional Neural Network („faltendes neuronales Netz“) wurde zur Unterscheidung von Remission und Aktivität an einer Teilmenge von 118 Biopsien trainiert, an 42 Biopsien kalibriert und an 375 Biopsien getestet. Das Modell wurde zusätzlich darauf getestet, ob es die entsprechende endoskopische Bewertung und das Auftreten von Schüben nach 12 Monaten vorhersagen kann. Die Ergebnisse des Systems wurden mit der menschlichen Beurteilung verglichen. Die diagnostische Leistung wurde in Form von Sensitivität, Spezifität, prognostischer Vorhersage nach Kaplan-Meier und Hazard-Ratios von Schüben zwischen aktiven Gruppen und Gruppen in Remission angegeben. Das Modell wurde extern anhand von 154 Biopsien (58 Patient*innen) mit ähnlichen Merkmalen, aber mehr histologisch aktiven Patient*innen validiert. Das System unterschied histologische Aktivität und Remission mit einer Sensitivität und Spezifität von 89% und 85% (PHRI), 94% und 76% (Robarts-Index) bzw. 89% und 79% (Nancy-Index). Das Modell sagte die entsprechende endoskopische Remission oder Aktivität mit 79% Genauigkeit für den endoskopischen Colitis-Schweregradindex bzw. 82% für den Paddington International virtual ChromoendoScopy ScOre voraus. Die Hazard-Ratio für einen Flare zwischen den Gruppen mit histologischer Aktivität oder Remission betrug 3,56 für den vom Pathologen/von der Pathologin ermittelten PHRI und 4,64 für den von der KI ermittelten PHRI. Sowohl die Histologie als auch die Vorhersage des Outcomes wurden in der externen Validierungskohorte bestätigt.
Es erfolgte die Entwicklung und Validierung eines Modells künstlicher Intelligenz, welches anhand von Biopsien bei Colitis ulcerosa zwischen histologischer Remission und Aktivität unterscheidet und Schübe vorhersagt. Dies kann die histologische Beurteilung in der Praxis und in Studien beschleunigen, standardisieren und verbessern.