05410 Künstliche Intelligenz in der Endoskopie bei der Gefäßerkennung

Eine Studie am Universitätsklinikum Augsburg zeigt, dass KI die menschliche Wahrnehmungsschwelle in der Endoskopie effektiv anhebt, die Qualitätssicherung im Routinebetrieb verbessert und so direkt zu einer schnelleren, präziseren Diagnose und damit zu besseren Behandlungsergebnissen führt.

Wachstum des KI-Endoskopiemarkts
Die Ergebnisse belegen, dass KI-basierte Systeme einen relevanten Beitrag zur Verbesserung der endoskopischen Diagnostik leisten können. Neben der Steigerung der diagnostischen Genauigkeit und der Früherkennung profitieren insbesondere weniger erfahrene Untersucher von der Unterstützung durch KI. Für die klinische Praxis bedeutet dies eine beschleunigte Entscheidungsfindung, eine verkürzte Untersuchungsdauer und eine insgesamt optimierte Patientenversorgung. Marktanalysen prognostizieren zudem ein starkes Wachstum des globalen KI-Endoskopiemarkts, was die klinische und ökonomische Relevanz dieser Technologie unterstreicht. Zukünftige Studien sollten sich auf die Validierung dieser Ergebnisse in multizentrischen, randomisierten Settings konzentrieren und die Integration von KI in bestehende klinische Workflows weiter evaluieren.

Die flexible Endoskopie stellt ein etabliertes Verfahren der modernen Gastroenterologie dar, das die direkte visuelle Beurteilung luminaler Organe wie Magen und Darm ermöglicht. Eine zentrale diagnostische Herausforderung besteht in der frühzeitigen und zuverlässigen Identifikation subtiler vaskulärer Veränderungen. Solche Gefäßmuster können bereits in frühen Stadien auf relevante pathologische Prozesse hinweisen, darunter chronisch-entzündliche Erkrankungen oder neoplastische Veränderungen. Aufgrund der geringen Größe und oft schwer erkennbaren Morphologie dieser Strukturen sowie der Notwendigkeit einer zügigen Untersuchung erfordert ihre Detektion ein hohes Maß an Erfahrung und technischer Präzision.

Steigerung diagnostischer Treffsicherheit
Zur Optimierung dieses Prozesses wird zunehmend Künstliche Intelligenz (KI) in die endoskopische Diagnostik integriert. Ziel dieser Systeme ist die Steigerung der diagnostischen Treffsicherheit bei gleichzeitiger Erhöhung der Detektionsrate vaskulärer Veränderungen. Durch die nahezu in Echtzeit erfolgende Markierung verdächtiger Areale auf dem Endoskopie-Monitor unterstützt die KI den Untersucher bei der Identifikation relevanter Befunde und trägt zur signifikanten Reduktion der sogenannten Übersehensrate (Miss Rate) bei. Dies besitzt besondere Bedeutung für die Früherkennung potenziell maligner Läsionen.

Neben der Verbesserung der diagnostischen Genauigkeit bietet die KI insbesondere für weniger erfahrene Endoskopiker eine wertvolle Hilfestellung, indem sie die Detektionszeit verkürzt und den Untersuchungsablauf standardisiert. Daraus resultieren eine gesteigerte Effizienz, eine höhere Präzision sowie eine verbesserte Vergleichbarkeit der Untersuchungsergebnisse. Für die klinische Praxis bedeutet dies eine beschleunigte Entscheidungsfindung, eine verkürzte Untersuchungsdauer und eine insgesamt optimierte Patientenversorgung im Rahmen der internistischen Diagnostik.

Die wissenschaftliche Validierung in dieser Form stellt sicher, medizinische Untersuchungsergebnisse in einen maschinellen Algorithmus zu überführen und diesen als lokale KI-Engine in ein medizinisches Gerät wie einen endoskopischen Videoprozessor zu integrieren. Die primäre Rolle der Forschung besteht darin, die diagnostische Leistungsfähigkeit des Endoskopikers objektiv zu validieren und zu verbessern. Studien, die zeigen, dass KI die Gefäßdetektionsrate erhöht und die Detektionszeit verkürzt, liefern den Evidenz-Beweis dafür, dass pathologische oder präkanzeröse vaskuläre Muster zuverlässiger und schneller erkannt werden können. Die neuen Erkenntnisse werden klinisch kritisch betrachtet und sind insofern von Bedeutung, da veränderte Gefäßarchitekturen des Darms ein wesentliches Kriterium (sogenannter Surrogatparameter) für die Malignität oder chronische Entzündung von Mukosa-Läsionen darstellen.

Die wissenschaftliche Validierung stellt sicher, dass die technologische Assistenz die Inter-Observer-Variabilität zwischen Untersuchern reduziert und somit die Qualitätskonstanz der endoskopischen Diagnostik auf ein höheres, standardisiertes endoskopisches Untersuchungsniveau hebt. Nur durch belastbare Studienergebnisse kann die wirtschaftliche und regulatorische Rechtfertigung für die breite Implementierung dieser KI-Systeme erreicht werden, um letztlich die Früherkennung von Erkrankungen zu optimieren und die Patientensicherheit im klinischen Alltag nachweisbar zu erhöhen.

Compliance
Wichtig ist auch, dass während der Studien parallel ein KI-Compliance-Prozess in Gang gesetzt wird. Der Compliance-Prozess dient der Risikominimierung hinsichtlich Datenlecks, Diskriminierung durch algorithmische Voreingenommenheit (Bias) und der Sicherheit des Patientenwohls. Er stellt sicher, dass die Trainingsdaten rechtmäßig und ethisch erhoben wurden, die Modellvalidierung transparent und robust ist und die Erklärbarkeit (XAI) der KI-Entscheidungen nachvollziehbar ist, was für die Verantwortlichkeit (Accountability) und die ärztliche Sorgfaltspflicht von Bedeutung ist. Ohne einen solchen Prozess könnten die Studienergebnisse rechtlich anfechtbar oder die Weiterentwicklung und Zulassung der KI unmöglich werden (eventuell Verweis einfügen auf den Beitrag KI-Compliance).