Skip to main content
SpringerLink
Log in

Künstliche Intelligenz in der Vorsorgekoloskopie

Artificial intelligence in screening colonoscopy

  • Leitthema
  • Published:
coloproctology Aims and scope

An Erratum to this article was published on 01 April 2022

This article has been updated

Zusammenfassung

Hintergrund

Das kolorektale Karzinom (KRK) stellt immer noch eine der häufigsten zum Tode führenden Tumorentitäten dar, obwohl mit der Koloskopie eine präventive Maßnahme verfügbar ist. Je mehr Polypen endoskopisch entfernt werden, desto größer ist der protektive Effekt. Nach einer Koloskopie auftretende Intervallkarzinome sind weiterhin ein klinisch relevantes Problem. Durch künstliche Intelligenz (KI) erhofft man sich Fortschritte auf diesem Gebiet. Mithilfe von neuronalen Netzwerken und Deep Learning kann „real-time“ sowohl eine Unterscheidung von normaler Mukosa und Polyp als auch eine Differenzierung von Adenomen und hyperplastischen Polypen vorgenommen werden.

Ziele der Arbeit

Die Übersicht soll den aktuellen Stellenwert von KI in der Koloskopie zur besseren Detektion von Polypen und Adenomen zur Karzinomprävention herausarbeiten.

Material und Methoden

Publikationen aus MEDLINE® (US National Library of Medicine®, Bethesda, MD USA) zu diesem Thema wurden gesammelt und ausgewertet.

Ergebnisse

Mithilfe von KI konnte in mehreren Studien der letzten Jahre eine signifikant bessere Adenomdetektionsrate (ADR) unabhängig von Morphologie oder Lokalisation der Befunde gezeigt werden. Für sessile serratierte Läsionen ist die Datenlage noch nicht klar. Statistisch signifikant waren die Ergebnisse bisher jedoch nur für Polypen < 10 mm.

Diskussion

Es besteht die Hoffnung, mithilfe der KI neben der verbesserten ADR auch die Inzidenz von Intervallkarzinomen und Mortalität durch KRK zu reduzieren. Eine Kostenreduktion durch das Belassen von als hyperplastisch differenzierten Polypen wird bereits diskutiert.

Abstract

Background

Colorectal cancer (CRC) is still one of the leading causes of cancer death despite the fact that effective prevention is available using colonoscopy. The number of endoscopically removed polyps correlates with increased protection from recurrence; however, the occurrence of interval cancer after colonoscopy remains a clinically relevant problem. Artificial intelligence (AI) is thought to be a measure for improvement in this field. With the help of neuronal networks and deep learning a real-time distinction between normal mucosa and polyps as well as a differentiation between adenomas and hyperplastic polyps can be achieved.

Objective

This review highlights the current state of AI in colonoscopy for a better detection of polyps and adenomas for cancer prevention.

Material and methods

Publications from MEDLINE® (U.S. National Library of Medicine®, Bethesda, MD USA) on this topic were collected and evaluated.

Results

With the help of AI a significantly better adenoma detection rate (ADR) could be recently displayed in multiple studies independent of the morphology or location. Data for sessile serrated lesions are inconclusive at the moment. The results were only statistically significant for polyps < 10 mm.

Discussion

There is hope that AI could reduce the incidence of interval cancer and improve survival of CRC in addition to improvement of the ADR. A cost reduction by differentiating hyperplastic polyps and leaving them in situ is already being discussed.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1
Abb. 2
Abb. 3
Abb. 4

Change history

Literatur

  1. Torre LA, Bray F, Siegel RL, Ferlay J, Lortet-Tieulent J, Jemal A (2015) Global cancer statistics, 2012. CA Cancer J Clin 65(2):87–108

    Article  PubMed  Google Scholar 

  2. Zauber Ann G, Winawer SJ, O’Brien MJ, Lansdorp-Vogelaar I, van Ballegooijen M, Hankey BF et al (2012) Colonoscopic polypectomy and long-term prevention of colorectal-cancer deaths. N Engl J Med 366:687–696

    Article  PubMed  PubMed Central  Google Scholar 

  3. Leitlinienprogramm Onkologie (2019) S3-Leitlinie Kolorektales Karzinom. https://www.dgvs.de/wp-content/uploads/2019/01/LL_KRK_Langversion_2.1.pdf. Zugegriffen: 31. Aug. 2021

  4. Cardoso R, Zhu A, Guo F, Heisser T, Hoffmeister M, Brenner H (2021) Incidence and mortality of proximal and distal colorectal cancer in Germany—trends in the era of screening colonoscopy. Dtsch Arztebl Int 118:281–287

    PubMed  PubMed Central  Google Scholar 

  5. Corley DA, Jensen CD, Marks AR, Zhao WK, Lee JK, Doubeni CA et al (2014) Adenoma detection rate and risk of colorectal cancer and death. N Engl J Med 370(14):1298–1306

    Article  CAS  PubMed  PubMed Central  Google Scholar 

  6. van Rijn JC, Reitsma JB, Stoker J, Bossuyt PM, van Deventer SJ, Dekker E (2006) Polyp miss rate determined by tandem colonoscopy: a systematic review. Am J Gastroenterol 101(2):343–350

    Article  PubMed  Google Scholar 

  7. Profanter C, Ninkovic M (2020) Diagnose und endoskopisches Management kolorektaler Polypen. coloproctology 42(5):427–438

    Article  Google Scholar 

  8. van der Sommen F, de Groof J, Struyvenberg M, van der Putten J, Boers T, Fockens K et al (2020) Machine learning in GI endoscopy: practical guidance in how to interpret a novel field. Gut 69(11):2035–2045

    Article  PubMed  Google Scholar 

  9. Luo Y, Zhang Y, Liu M, Lai Y, Liu P, Wang Z et al (2021) Artificial intelligence-assisted colonoscopy for detection of colon polyps: a prospective, randomized cohort study. J Gastrointest Surg 25(8):2011–2018

    Article  PubMed  Google Scholar 

  10. Wang P, Berzin TM, Glissen Brown JR, Bharadwaj S, Becq A, Xiao X et al (2019) Real-time automatic detection system increases colonoscopic polyp and adenoma detection rates: a prospective randomised controlled study. Gut 68(10):1813–1819

    Article  PubMed  Google Scholar 

  11. Repici A, Badalamenti M, Maselli R, Correale L, Radaelli F, Rondonotti E et al (2020) Efficacy of real-time computer-aided detection of colorectal neoplasia in a randomized trial. Gastroenterology 159(2):512–520.e7

    Article  PubMed  Google Scholar 

  12. Hassan C, Spadaccini M, Iannone A, Maselli R, Jovani M, Chandrasekar VT et al (2021) Performance of artificial intelligence in colonoscopy for adenoma and polyp detection: a systematic review and meta-analysis. Gastrointest Endosc 93(1):77–85.e6

    Article  PubMed  Google Scholar 

  13. Robertson DJ, Lieberman DA, Winawer SJ, Ahnen DJ, Baron JA, Schatzkin A et al (2014) Colorectal cancers soon after colonoscopy: a pooled multicohort analysis. Gut 63(6):949–956

    Article  PubMed  Google Scholar 

  14. Wang P, Liu P, Glissen Brown JR, Berzin TM, Zhou G, Lei S et al (2020) Lower adenoma miss rate of computer-aided detection-assisted colonoscopy vs routine white-light colonoscopy in a prospective tandem study. Gastroenterology 159(4):1252–1261.e5

    Article  PubMed  Google Scholar 

  15. Hassan C, Bhandari P, Antonelli G, Repici A (2021) Artificial intelligence for non-polypoid colorectal neoplasms. Dig Endosc 33(2):285–289

    Article  PubMed  Google Scholar 

  16. Jin EH, Lee D, Bae JH, Kang HY, Kwak M‑S, Seo JY et al (2020) Improved accuracy in optical diagnosis of colorectal polyps using convolutional neural networks with visual explanations. Gastroenterology 158(8):2169–2179.e8

    Article  PubMed  Google Scholar 

  17. Zhao S, Yang X, Wang S, Meng Q, Wang R, Bo L et al (2022) Impact of 9‑minute withdrawal time on the adenoma detection rate: a multicenter randomized controlled trial. Clin Gastroenterol Hepatol 20(2):e168–e181. https://doi.org/10.1016/j.cgh.2020.11.019

    Article  PubMed  Google Scholar 

  18. Tang RS, Lee JW, Chang L‑C, Ong DE, Chiu H‑M, Matsuda T et al (2022) Two vs one forward view examination of right colon on adenoma detection: an international multicenter randomized trial. Clin Gastroenterol Hepatol 20(2):372–380.e2. https://doi.org/10.1016/j.cgh.2020.10.014

    Article  PubMed  Google Scholar 

  19. Ngu WS, Bevan R, Tsiamoulos ZP, Bassett P, Hoare Z, Rutter MD et al (2019) Improved adenoma detection with endocuff vision: the ADENOMA randomised controlled trial. Gut 68(2):280–288

    Article  PubMed  Google Scholar 

  20. Zentralinstitut für die kassenärztliche Versorgung in Deutschland (2020) Früherkennungskoloskopie Jahresbericht 2018. https://www.zi.de/fileadmin/pdf/Koloskopie_Jahresbericht_2018.pdf. Zugegriffen: 31. Aug. 2021

  21. Lee CK, Park DI, Lee S‑H, Hwangbo Y, Eun CS, Han DS et al (2011) Participation by experienced endoscopy nurses increases the detection rate of colon polyps during a screening colonoscopy: a multicenter, prospective, randomized study. Gastrointest Endosc 74(5):1094–1102

    Article  PubMed  Google Scholar 

  22. Wu J, Zhao S‑B, Wang S‑L, Fang J, Xia T, Su X‑J et al (2018) Comparison of efficacy of colonoscopy between the morning and afternoon: a systematic review and meta-analysis. Dig Liver Dis 50(7):661–667

    Article  PubMed  Google Scholar 

  23. Antonelli G, Gkolfakis P, Tziatzios G, Papanikolaou IS, Triantafyllou K, Hassan C (2020) Artificial intelligence-aided colonoscopy: recent developments and future perspectives. World J Gastroenterol 26(47):7436–7443

    Article  PubMed  PubMed Central  Google Scholar 

  24. Mori Y, Kudo S, East JE, Rastogi A, Bretthauer M, Misawa M et al (2020) Cost savings in colonoscopy with artificial intelligence-aided polyp diagnosis: an add-on analysis of a clinical trial (with video). Gastrointest Endosc 92(4):905–911.e1

    Article  PubMed  Google Scholar 

  25. Rex DK, Ahnen DJ, Baron JA, Batts KP, Burke CA, Burt RW et al (2012) Serrated lesions of the colorectum: review and recommendations from an expert panel. Am J Gastroenterol 107(9):1315–1329 (quiz 1314, 1330)

    Article  PubMed  PubMed Central  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Klinikum St. Georg Leipzig, Delitzscher Str. 141, 04129, Leipzig, Deutschland

    Christoph Schrader,  Ingo Wallstabe &  Ingolf Schiefke

Authors
  1. Christoph Schrader
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Ingo Wallstabe
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Ingolf Schiefke
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Christoph Schrader.

Ethics declarations

Interessenkonflikt

C. Schrader, I. Wallstabe und I. Schiefke geben an, dass kein Interessenkonflikt besteht.

Für diesen Beitrag wurden von den Autoren keine Studien an Menschen oder Tieren durchgeführt. Für die aufgeführten Studien gelten die jeweils dort angegebenen ethischen Richtlinien.

Additional information

Die Originalversion wurde korrigiert: In der Online-Darstellung fehlten die Titel der Co-Autoren.

figure qr

QR-Code scannen & Beitrag online lesen

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Schrader, C., Wallstabe, I. & Schiefke, I. Künstliche Intelligenz in der Vorsorgekoloskopie. coloproctology 44, 110–115 (2022). https://doi.org/10.1007/s00053-022-00593-1

Download citation

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00053-022-00593-1

Schlüsselwörter

Keywords

Search

Navigation