Artificial intelligence for enhanced endoscopy of Barrett's esophagus

Probleem
Barrett slokdarm is een premaligne aandoening die kan ontwikkelen tot slokdarmkanker. Hoewel vroege detectie uitstekende behandelresultaten oplevert, blijft subtiele Barrett neoplasie vaak onopgemerkt tijdens routine surveillance omdat algemene endoscopisten weinig ervaring hebben met deze zeldzame afwijkingen (minder dan 1% progressie per jaar).

Oplossing: AI-systemen
Dit proefschrift beschrijft de ontwikkeling van twee kunstmatige intelligentie systemen:

CADe (Computer Aided Detection): detecteert neoplasieCADx (Computer Aided Diagnosis): karakteriseert afwijkingen 

Belangrijkste resultaten

CADe-systeem

Ontwikkeld met 14.000 endoscopische beelden van 2.500+ patiënten via het internationale BONS-AI consortium (15 ziekenhuizen, 7 landen)Behaalde op een met subtiele afwijkingen verrijkte testset 90% sensitiviteit bij beelden en 91% bij video'sPresteerde beter dan algemene endoscopisten (74% sensitiviteit) en vergelijkbaar met Barrett-experts (87%)Verbeterdes sensiviteit van algemene endoscopisten aanzienlijk: van 74% naar 88% voor beelden en 67% naar 79% bij videos.Succesvol getest in live endoscopie-omgeving bij 30 patiënten 

CADx-systeem

Het CADx-systeem werd ontwikkeld voor de tweede stap in het detectieproces: karakterisering van reeds geïdentificeerde afwijkingen. Na primaire detectie met witlicht-endoscopie volgt gerichte karakterisering met narrow-band imaging (NBI) om te bepalen of een afwijking neoplastisch is.

Getraind op 3.600 NBI-beelden van 525 patiënten uit 8 internationale centra100% sensitiviteit en 98% specificiteit bij beelden, 93% sensitiviteit en 96% specificiteit bij video'sBenchmarkonderzoek met 44 algemene endoscopisten toonde aan dat CADx beter presteerde dan algemene endoscopisten en vergelijkbaar was met Barrett-expertsVerhoogde prestaties algemene endoscopisten van 84% naar 96% sensitiviteit en van 90% naar 98% specificiteit

Aanvullende innovaties

GastroNet-5M: dataset van 5 miljoen endoscopische beelden voor betere AI-trainingOnderzoek naar optimale gebruikersinterfaces (heatmaps vs. bounding boxes)

Conclusie
Dit onderzoek toont aan dat AI-ondersteuning algemene endoscopisten kan helpen Barrett neoplasie beter te detecteren en karakteriseren. Beide brengen de prestaties van algemene endoscopisten  richting het niveau van experts. Daarnaast demonstreert GastroNet-5M dat domeinspecifieke pre-training de ontwikkeling van endoscopische AI-systemen kan versnellen.