Whole-Case Artificial Intelligence for Diagnostic Escalation in Endoscopically Suspected Borrmann Type IV Gastric Cancer

Technische Samenvatting: Whole-Case Kunstmatige Intelligentie voor Diagnostische Escalatie bij Endoscopisch Verdacht Borrmann Type IV Maagcarcinoom

Probleemstelling
Borrmann type IV geavanceerd maagcarcinoom (B-IV AGC), ook bekend als linitis plastica of scirrheus maagcarcinoom, vormt een aanzienlijke diagnostische uitdaging. In tegenstelling tot focale laesies is B-IV AGC een diffuus infiltrerend maligniteit die endoscopisch lijkt op hypertrofische gastritis, gekenmerkt door diffuse plooiverdikking, slechte distensibiliteit en onregelmatige plooien. Conventionele forcepsbiopten leveren vaak fout-negatieve resultaten op (ongeveer 50% in niet-ulcererende gevallen) omdat de tumorinfiltratie voornamelijk submucosaal is. Dit leidt tot een vertraagde histologische bevestiging, wat er vaak toe resulteert dat patiënten pas later worden gepresenteerd met metastatische ziekte waarbij curatieve resectie niet langer haalbaar is.

Bestaande benaderingen van kunstmatige intelligentie (AI) in de gastro-intestinale endoscopie hebben grotendeels geleund op gecureerde datasets van enkelvoudige beelden van focale laesies. Deze methodologie is ongeschikt voor B-IV AGC, aangezien dit wordt gedefinieerd door kenmerken op onderzoeksniveau in plaats van door discrete kenmerken op laesieniveau. Bovendien gebruikten eerdere AI-studies specifiek gericht op B-IV AGC vaak normale of niet-gerelateerde benigne controles en geselecteerde representatieve beelden, waardoor ze faalden in de klinisch cruciale taak om echt B-IV AGC te onderscheiden van verdachte benigne mimickers op het niveau van de gehele casus (whole-case patient level).

Methodologie
De auteurs ontwikkelden een retrospectieve, twee-centrische diagnostische modelleringsstudie met 4.860 patiënten verdeeld over drie cohorten:

1. Primaire Cohort: 1.137 patiënten met endoscopisch verdacht B-IV AGC (1.137 bevestigd B-IV AGC; 319 benigne mimickers).
2. Screening Cohort: 3.325 patiënten (292 B-IV AGC; 3.033 benigne gastritis) die een bredere benigne comparator vertegenwoordigen.
3. Externe Validatie Cohort: 79 patiënten van een onafhankelijk centrum (47 B-IV AGC; 32 controles).

Modelarchitectuur:
De voorgestelde oplossing is een "whole-case" patiëntniveau AI-model dat elk beschikbaar endoscopisch beeld van een onderzoek interpreteert zonder handmatige selectie van frames of curatie van representatieve beelden.

• Foundation Model: Het systeem maakt gebruik van GastroFM, een endoscopie foundation model ontwikkeld door de auteurs, om beeldniveau featurevectoren te extraheren.
• Aggregatiemechanisme: Een Attention-Based Multiple Instance Learning (ABMIL) module aggregeert deze beeldniveau features. De ABMIL wijst leerbare aandachtgewichten toe aan elk beeld binnen een patiëntencasus en voert een softmax-genormaliseerde gewogen som uit om een enkele patiëntniveau representatie te genereren.
• Output: Een laatste outputlaag produceert een patiëntniveau waarschijnlijkheid van B-IV AGC.
• Trainingsstrategie: Casussen werden gesplitst in 70:15:15 (train/validatie/test). Tijdens de training werden casussen met >16 beelden willekeurig teruggebracht naar 16 om aan de geheugenbeperkingen te voldoen, terwijl voor validatie en testen alle beschikbare beelden werden gebruikt. Class imbalance werd aangepakt via inverse class-frequency weighted random sampling.

Evaluatieprotocol:

• Reader Study: Drie expert-endoscopisten (≥10 jaar ervaring, >5.000 onderzoeken) beoordeelden onafhankelijk de afgezonderde primaire testset, blind voor de referentiestandaard. Een "majority-reader" beslissing werd gedefinieerd als positief als ten minste twee van de drie experts de casus als positief labelden.
• Metrieken: Prestaties werden beoordeeld aan de hand van AUROC, sensitiviteit, specificiteit, accuratesse, PPV, NPV en decision-curve analyse. Een vooraf gespecificeerde waarschijnlijkheidsdrempel van 0,5 werd gebruikt voor alle vergelijkingen.
• Interpreteerbaarheid: Ruimtelijke attention heatmaps werden gegenereerd om te visualiseren welke beeldregio's bijdroegen aan de voorspelling.

Belangrijkste Resultaten

• Prestaties Primaire Cohort: Bij de 0,5 drempel bereikte het model een AUROC van 0,965 (95% CI 0,936–0,986), met 97,0% sensitiviteit en 79,6% specificiteit.
• Vergelijking met Experts:
  • Het model kwam overeen met de prestaties van de majority-reader beslissing (p = 0,143) en presteerde significant beter dan elke individuele expert (p < 0,05).
  • Klinische Opbrengst: Het model identificeerde 163 van de 168 pathologisch bevestigde B-IV AGC gevallen. Dit is 5 gevallen meer dan de majority-reader beslissing (158) en 8 tot 24 meer dan elke individuele expert (die 144–155 gevallen detecteerden).
• Screening Cohort: Het model vertoonde een nog sterkere discriminatie met een AUROC van 0,998, waarbij 95,5% sensitiviteit en 99,1% specificiteit werden behaald.
• Externe Validatie: Het model bereikte een AUROC van 1,000 op de onafhankelijke externe cohort (47 B-IV AGC, 32 controles) en classificeerde alle B-IV AGC gevallen correct. De auteurs merken echter op dat de bescheiden steekproefgrootte (n=79) claims van verzadigde prestaties beperkt.
• Foutanalyse:
  • Vals-negatieven: In de 5 gemiste gevallen was de aandacht breed verspreid zonder focale hyper-attente frames, wat consistent is met biologisch diffuse infiltratie die geen discriminerende cues heeft.
  • Vals-positieven: In de 10 primaire vals-positieven was het dominante patroon uitgebreide hypertrofische plooi-verandering in het antrum, een morfologie die menselijke experts vaak misleidt.
  • Anatomisch probleem: Eén externe vals-positieve werd geïdentificeerd als een esofageaal beeld (oppervlakkig esofageaal carcinoom), wat benadrukt dat het huidige model niet anatomie-specifiek is en preprocessing vereist om inferentie te beperken tot gastrische frames.

Significantie en Claims
Het artikel claimt dat dit whole-case AI-model een specifieke "klinische blinde vlek" aanpakt: de interval tussen visuele verdenking van B-IV AGC en histologische bevestiging. Door te opereren op de gehele procedure in plaats van op gecureerde frames, bootst het model het holistische interpretatieproces van de endoscopist na.

De primaire significantie ligt in de diagnostische escalatie. Het vermogen van het model om aanvullende pathologisch bevestigde gevallen te detecteren boven de consensus van experts, suggereert dat het kan aanzetten tot vroegere herhaalde biopten, "bite-on-bite" bemonstering of endoscopische echografie-gestuurde weefselverwerving bij patiënten met niet-diagnostische initiële biopten maar hoge verdenking op basis van endoscopische kenmerken. Dit zou de tijd tot histologische bevestiging kunnen verkorten en potentieel de snelheid van curatieve-intent gastrectomie kunnen verhogen.

De auteurs benadrukken dat het model is ontworig als een beslissingsondersteunend hulpmiddel voor de workflow na de verdenking, en niet als vervanging voor histologie. Zij concluderen dat prospectieve evaluatie noodzakelijk is om de impact van het model op het verminderen van gemiste en vertraagde diagnoses in de dagelijkende praktijk te valideren, waarbij zij opmerken dat anatomie-bewuste preprocessing en prospectieve recalibratie randvoorwaarden zijn voor klinische implementatie.