Bei der Charakterisierung eines kolorektalen Polypen sind mehrere Faktoren zu berücksichtigen. Während der Koloskopie sollten die kolorektalen Polypen im Sigmoid/Rektum lokalisiert und nach einem Standard-Grading-System bewertet werden. Im Allgemeinen haben kolorektale Polypen ein günstiges Ergebnis. Wenn der Standort jedoch nicht bekannt ist, muss ein umfassenderes Bewertungssystem verwendet werden.
Die In-vivo-Bildgebung ist ein wesentlicher Bestandteil einer Koloskopie. Die optische Diagnose liefert In-vivo-Informationen, die zur Bestimmung des Darmkrebsrisikos nützlich sind, aber die Methode weist eine erhebliche Variabilität zwischen den Beobachtern auf und ist für den routinemäßigen klinischen Einsatz noch unterentwickelt. Um diese Einschränkung zu überwinden, haben Forscher versucht, eine neuartige Methode der künstlichen Intelligenz (KI) zur Erkennung und Klassifizierung von kolorektalen Polypen zu entwickeln. Während der Studie sammelten die Forscher Videodaten von Koloskopieverfahren, die in einem einzigen Zentrum durchgeführt wurden. Die Bilder jedes Polypen wurden mit seiner histopathologischen Klassifikation markiert.
Um ein zuverlässiges diagnostisches Ergebnis zu erzielen, wenden die Endoskopiker unterschiedliche Methoden an. Eine Methode namens HD i-scan-Technologie wurde in Expertenumgebungen untersucht. Eine andere Technik ist die Chromoendoskopie, die Infrarotlicht verwendet, um kolorektale Polypen zu erkennen. Es verwendet die gleichen Techniken wie die konventionelle Koloskopie, erfordert jedoch eine viel größere Probengröße.
Die Studienautoren führten eine Analyse mit fünf Metaanalysen durch, die Daten aus 11 Artikeln kombinierten. Die Ergebnisse zeigen, dass die FICE in Bezug auf die diagnostische Genauigkeit keinen Unterschied zur Standard-Koloskopie aufweist. Die vorgeschlagene Deep-Learning-basierte Klassifizierungspipeline basiert auf einem hochmodernen Convolutional Neural Network. Die Auswertung der Ergebnisse erfolgte durch einen Endoskopiker im Untersuchungsraum.
Die vorgeschlagenen auf Deep Learning basierenden Klassifikatoren verwenden ein hochmodernes neuronales Faltungsnetz, um Polypen zu identifizieren. Es wird ein auf Deep Learning basierender ML-Algorithmus verwendet. Ein hochmodernes neuronales Faltungsnetzwerk wird verwendet, um Polypen im Dickdarm zu identifizieren. Die resultierenden Modelle werden die Genauigkeit des diagnostischen Verfahrens verbessern. Diese Algorithmen sind auch bei der Erkennung von Darmkrebs wirksam.
Für Darmkrebs wurde die bildverstärkte Endoskopie entwickelt, um die Diagnose von Darmpolypen zu verbessern. Im Gegensatz zur konventionellen Pathologie können mit der bildgestützten Endoskopie Polypen auf mikroskopischer Ebene nachgewiesen werden. Im Gegensatz zur konventionellen Radiographie ist die Bildgebung für die genaue Diagnose und Behandlung eines kolorektalen Tumors unerlässlich.
In der neuesten Studie wird ein vollautomatisiertes Computerprogramm zur Analyse von kolorektalen Polypen verwendet. Sein Zweck ist es, die wahrscheinlichsten Darmkrebsarten zu identifizieren. Dafür wurde CAD EYE(r) entwickelt. Dieses Programm identifiziert Polypen, indem es ihr Aussehen und ihre Größe analysiert. Die Studie soll auch dazu beitragen, die Risikofaktoren für die Entstehung von Darmkrebs besser zu verstehen.
Das CAD EYE(r)-Gerät ist ein hocheffektives Werkzeug zur Erkennung kolorektaler Polypen. Ein CAD EYE(r) ist ein Computerprogramm, das es Ärzten ermöglicht, kolorektale Polypen mithilfe von Computerbildern zu visualisieren und zu analysieren. Es ist klinisch erwiesen, dass es das Risiko von Intervall-CRC reduziert. Eine CAD EYE-Studie ergab auch, dass ein CAD EYE-System das Auftreten von Krebs reduziert.
Im Gegensatz dazu ermöglicht das CAD EYE(r)-System Patienten, Videos zu kolorektalen Polypen zu speichern. CAD EYE(r) ist ein hocheffektives Werkzeug für die kolorektale Bildgebung. Es kann anhand ihres Aussehens zwischen gutartigen und bösartigen Polypen unterscheiden. Das CAD EYE(r)-System kann Polypen und Krebszellen anhand einer breiten Palette von Farben unterscheiden.
Während CAD EYE(r) die Erkennungsrate von kolorektalen Polypen verbessert hat, ist die neue Methode möglicherweise immer noch eine schlechte Wahl für die Screening-Koloskopie. Es verbessert möglicherweise nicht die Erkennungsraten von adenomatösen Polypen, aber es verbessert die Erkennungsrate des Vorhandenseins von gezackten Polypen in kolorektalen Geweben. Damit kann ein CAD EYE(r)-System ein nützliches Werkzeug sowohl für die Diagnose als auch für die Erkennung von Darmkrebs sein.
Um die Ergebnisse der Koloskopie zu optimieren, ist der Einsatz von KI entscheidend für die korrekte Diagnose von kolorektalen Polypen. Die optische Diagnose ist für die Resektionsverwerfungsstrategie unerlässlich. Die KI ist in der Lage, bei der Erkennung von Adenomen einen negativen Vorhersagewert von 90 % zu erreichen. Das KI-System ist hochempfindlich und kann Adenome und rektosigmoidale Adenome mit ähnlicher Größe identifizieren und unterscheiden.
