Dickdarm bis Rektum
Gut. 2022;71(4):757–65
Artificial intelligence and colonoscopy experience: Lessons from 2 randomized trials
Künstliche Intelligenz und Koloskopie-Erfahrung: Lehren aus 2 randomisierten Studien
Durch diagnostische Systeme mit künstlicher Intelligenz kann die Adenomdetektionsrate (ADR) als wichtiges Qualitätskriterium der Vorsorgekoloskopie erhöht werden. Es ist aber unklar, wie stark dieser Nutzen von der Erfahrung der Untersucher*innen abhängig ist. Diese randomisierte Studie wurde mit Endoskopiker*innen in der Ausbildung (AID-2) durchgeführt und die Er-gebnisse wurden mit denen einer vorhergehenden Studie mit sehr erfahrenen Endoskopiker*innen (AID-1) verglichen. Im Rahmen dieser prospektiven, randomisierten kontrollierten Nichtunterlegenheitsstudie (AID-2) führten unerfahrene Untersucher*innen (< 2000 Koloskopien) Koloskopien zur Darmkrebsvorsorge, zur Nachsorge und zur Diagnostik an aufeinanderfolgenden Personen im Alter zwischen 40 und 80 Jahren durch. Es wurden hochauflösende Geräte mit bzw. ohne computerunterstützte Polypen-detektion (computer-aided detection, CADe) verwendet. Primärer Endpunkt war die ADR in beiden Gruppen mit der Histologie der resezierten Polypen als Referenz. In einer Post-hoc-Analyse wurden diese Ergebnisse mit denen der AID-1-Studie verglichen, in der 6 erfahrene Untersucher*innen Koloskopien in einem ähnlichen Setting durchgeführt hatten. Bei 660 Patient*innen (Alter 62,3 ± 10 Jahre; jeweils 330 Männer bzw. Frauen) mit vergleichbarer Verteilung der Studienparameter war die ADR unter Verwendung der CADe signifikant höher als in der Kontrollgruppe (53,3% vs. 44,5%; relatives Risiko [RR] = 1,22; 95% Konfidenzintervall [CI]: 1,04–1,40; p < 0,01 für Nichtunterlegenheit bzw. p = 0,02 für Überlegenheit). Es wurde eine vergleichbare Zunahme der ADR für kleine und distal lokalisierte Läsionen beobachtet. Im Hinblick auf die Detektion nicht-neoplastischer Läsionen ergaben sich keine Unterschiede. Beim Poolen dieser Ergebnisse mit denen der AID-1-Studie war die Verwendung der CADe (RR = 1,29; 95% CI: 1,16–1,42), nicht aber die Erfahrung der Untersucher*innen (RR = 1,02; 95% CI: 0,89–1,16) in der multivariaten Analyse mit Unterschieden in der ADR assoziiert.
Auch bei weniger erfahrenen Endoskopiker*innen führt die Verwendung einer computerunterstützten Polypendetektion mittels künstlicher Intelligenz bei der Koloskopie zu einer signifikanten Zunahme der Adenomdetektionsrate. Vergleiche mit Studien-ergebnissen mit erfahrenen Untersucher*innen lassen vermuten, dass die Endoskopie-Erfahrung hierbei nur eine untergeordnete Rolle spielen dürfte.