Development and validation of an artificial intelligence-based virtual indigo carmine chromoendoscopy model: a multicenter study

Im Inneren des menschlichen Körpers ist die Auskleidung des Magens und des Dickdarms eine Landschaft aus subtilen Falten und Tälern. Um frühe Anzeichen von Krebs in diesem Gelände zu finden, verlassen sich Ärzte oft auf eine Technik namens Chromoendoskopie. Bei diesem Verfahren wird ein harmloser blauer Farbstoff auf das Gewebe gesprüht. Der Farbstoff setzt sich in den winzigen Vertiefungen der Oberfläche ab und erzeugt so eine kontrastreiche Karte, die es viel einfacher macht, die Ränder eines verdächtigen Wachstums oder die feinen Details der Gewebestruktur zu erkennen. Diese visuelle Verstärkung ist entscheidend, um Krebs zu entdecken, bevor er streut, doch der Prozess ist langsam, erfordert eine ruhige Hand und hängt stark vom Geschick des durchführenden Arztes ab. Für viele Krankenhäuser, insbesondere solche mit weniger Ressourcen, machen die Kosten und die Komplexität fortschrittlicher elektronischer Bildgebungssysteme dieses manuelle Sprühen des Farbstoffs zur einzigen Option, trotz seiner inhärenten Schwierigkeiten.

Ein Team von Forschern aus Krankenhäusern in China hat einen neuen Weg entwickelt, um diese visuelle Klarheit zu erreichen, ohne jemals eine Sprühflasche in der Hand zu halten. Sie haben ein System der künstlichen Intelligenz geschaffen, das in der Lage ist, ein Standardbild des Magens oder Dickdarms unter reinem Weißlicht zu nehmen und es augenblicklich in ein Bild zu verwandeln, das exakt so aussieht, als wäre blauer Farbstoff aufgetragen worden. Diese Technologie der „virtuellen Färbung“ zielt darauf ab, den diagnostischen Nutzen der traditionellen Farbmethode zu bieten und gleichzeitig die Notwendigkeit des physischen Verfahrens zu beseitigen, was die Früherkennung von Krebs potenziell schneller, sicherer und zugänglicher macht.

Die Forscher begannen damit, eine massive Sammlung medizinischer Bilder aus fünf verschiedenen Krankenhäusern zusammenzustellen. Sie sammelten über 9.000 Bilder, bei denen der blaue Farbstoff verwendet worden war, sowie mehr als 8.000 passende Bilder derselben Patienten, die nur mit Weißlicht aufgenommen wurden. Diese Bilder stammten aus fast tausend verschiedenen Fällen und boten eine vielfältige und robuste Grundlage für das Training ihres Computermodells. Das Ziel war es, der künstlichen Intelligenz beizubringen, genau zu verstehen, wie der Farbstoff das Erscheinungsbild des Gewebes verändert – wie er sich in den Spalten ansammelt und die Grenzen von Läsionen hervorhebt –, damit sie diesen Effekt auf einem einfachen Bild rekonstruieren kann.

Um dieses System zu bauen, entwarf das Team ein spezialisiertes Computerprogramm, das auf einer Art künstlicher Intelligenz basiert, die als Generative Adversarial Network bekannt ist. Im Gegensatz zu einfacheren Programmen, die lediglich einen blauen Filter hinzufügen könnten, wurde dieses Modell darauf ausgelegt, eine komplexe, schrittweise Transformation durchzuführen. Es lernte, die Farben und den Kontrast des Bildes so zu verändern, dass der Farbstoff nachgeahmt wird, während die zugrunde liegende Anatomie strikt bewahrt bleibt. Die Forscher waren sorgfältig darauf bedacht, sicherzustellen, dass der Computer keine neuen Strukturen erfindet oder die Form des Gewebes verzerrt, da solche Fehler zu gefährlichen Fehldiagnosen führen könnten. Sie testeten ihre Kreation gegen mehrere andere bestehende Computermethoden, einschließlich derer, die für allgemeine Fotobearbeitung und andere medizinische Bildaufgaben verwendet werden.

Die Ergebnisse zeigten, dass ihr neues Modell in fast jeder Hinsicht überlegen war. Beim Vergleich der generierten Computermonitore mit echten, farbgestrauten Bildern erzeugte das neue Modell Bilder, die in der Farbreiche und den strukturellen Details näher an den Originalen lagen. Die künstlichen Bilder sahen dem Original ähnlicher als die Bilder, die von anderen Algorithmen erzeugt wurden. Um dies zu verifizieren, baten die Forscher elf menschliche Ärzte, die von Experten mit jahrzehntelanger Erfahrung bis hin zu Berufsanfängern reichten, die Bilder zu betrachten. Die Ärzte wurden gebeten, zwischen echten Farbstoffbildern und den computergenerierten Bildern zu unterscheiden und die Qualität der Bilder danach zu bewerten, wie gut sie den Kontrast des Gewebes, die Klarheit der Läsionsgrenzen und die Sichtbarkeit feiner Mikrostrukturen zeigten.

Die Ärzte fanden es schwierig, zwischen den gefälschten Bildern und den echten zu unterscheiden, und identifizierten die virtuellen Bilder nur etwa 78 % der Zeit korrekt. Dies deutet darauf hin, dass die computergenerierten Bilder überzeugend genug waren, um einen signifikanten Teil der Experten zu täuschen. Wenn es um die praktische Aufgabe des Erkennens von Krebs ging, schnitten die virtuellen Bilder bemerkenswert gut ab. Die Ärzte bewerteten den Gesamtkontrast und die Klarheit der Läsionsgrenzen in den virtuellen Bildern als nahezu identisch mit den echten Farbstoffbildern. Es gab keinen signifikanten Unterschied darin, wie gut die Ränder eines Wachstums zu sehen waren, was der entscheidende Faktor für die Entscheidung über eine Biopsie ist.

Die Studie zeigte jedoch auch einen Bereich auf, in dem die virtuellen Bilder noch zurückfielen. Als die Ärzte die feinsten Details der Gewebeoberfläche betrachteten, bekannt als Mikrostrukturen, bewerteten sie die virtuellen Bilder etwas schlechter als die echten. Der Computer war exzellent darin, das große Ganze und die Ränder von Problemen darzustellen, aber er war nicht ganz so scharf wie der echte Farbstoff, wenn es um die winzigsten Texturen ging. Diese Lücke war bei den erfahrenen Ärzten deutlicher zu spüren, die darauf trainiert sind, nach diesen subtilen Details zu suchen, während die weniger erfahrenen Ärzte die virtuellen Bilder als genauso klar wie die echten empfanden. Dies deutet darauf hin, dass die Technologie besonders hilfreich für weniger erfahrene Praktiker sein könnte, indem sie ihnen hilft, das zu sehen, was sie sehen müssen, ohne dass sie über Jahre spezialisierter Ausbildung verfügen müssen.

Die Studie kommt zu dem Schluss, dass dieses Modell der künstlichen Intelligenz ein lebensfähiges Werkzeug ist, das hochwertige virtuelle Farbstoffbilder mit guter Stabilität und der Fähigkeit zur Arbeit über verschiedene Krankenhäuser hinweg erzeugen kann. Während das System noch nicht perfekt darin ist, jedes mikroskopische Detail darzustellen, bildet es erfolgreich die wichtigsten visuellen Merkmale nach, die für die Früherkennung von Krebs benötigt werden. Die Forscher merken an, dass dies ein bedeutender Schritt nach vorne ist, betonen jedoch auch, dass weitere Tests erforderlich sind. Zukünftige Arbeiten müssen bestätigen, ob die Verwendung dieser virtuellen Bilder in Echtzeit während tatsächlicher Patientenprozeduren zu besseren Erkennungsraten führt und Leben rettet. Für den Moment beweist die Studie, dass ein Computer lernen kann, die verborgenen Muster von Krankheiten auf eine Weise zu sehen, die der einer menschlichen Hand mit einer Sprühflasche Konkurrenz macht.