paper place Archiv Gastroenterologie

Künstliche Intelligenz erkennt Angiodysplasien im Darm und verbessert die Befunddokumentation

Angiodysplasien sind Gefäßveränderungen der Darmschleimhaut und eine relevante Ursache für Blutungen im Magen-Darm-Trakt. Diese Veränderungen werden bei einer Darmspiegelung meist zufällig entdeckt und können in verschiedenen Erscheinungsformen auftreten.

Arbeitsgruppe in der Magistrale des ZIM / ZOM
Die Arbeitsgruppe Interventionelle und Experimentelle Endoskopie (InExEn) unter der Leitung von Prof. Dr. med. Alexander Hann der Medizinischen Klinik und Poliklinik II des UKW. © Daniel Peter / UKW
Endoskopiebild - in normalem Weißlicht und Visulisierung mittels Erklärbarkeitsmethode
Zwei Beispiele für durch das System identifizierte Angiodysplasien (oben) mit Visualisierung des Fokus der KI mittels einer Erklärbarkeitsmethode (unten). Copyright Ukw/InExEn
Das Video wurde mithilfe von Claude (Anthropic) generiert

Dabei kann es sich teilweise um harmlose, aber auch um auffällige Befunde handeln. Trotz ihrer Relevanz werden Angiodysplasien nicht immer im Befundbericht erwähnt. Dadurch können wichtige Informationen für die Weiterbehandlung verloren gehen.

Die Arbeitsgruppe Interventionelle und Experimentelle Endoskopie (InExEn) unter der Leitung von Prof. Dr. med. Alexander Hann der Medizinischen Klinik und Poliklinik II des UKW hat ein Künstliche Intelligenz (KI)-basiertes System entwickelt und validiert, das die Dokumentation von Angiodysplasien unterstützen kann. Es besteht aus zwei Teilen: Ein Bilderkennungsmodell das Angiodysplasien in Bildern und Videos der Koloskopie erkennt und ein lokal betriebenes großes Sprachmodell (Large Language Model) das prüft, ob identifizierte Angiodysplasien im ärztlichen Bericht erwähnt wurden. Erfolgt keine Erwähnung im Bericht kann dem Untersuchenden als Erinnerung eine Benachrichtigung auf dem Bildschirm angezeigt werden. Das System läuft lokal, sodass Patientendaten geschützt bleiben. Mittels Erklärbarkeitsmethoden kann zudem visualisiert werden auf welchen Bereich des Bildes sich das Detektionssystem fokussiert. 

Trainiert wurde das Bilderkennungsmodell mit 10.908 Bildern aus 993 Koloskopien. Die nachfolgende externe Validierung bestand aus zwei Phasen. In der ersten Phase wurden aus 239 Koloskopien Untersuchungsberichte und die von den Untersuchenden gespeicherte Bilder genutzt und die Validierung erfolgte anhand von 3.534 manuell annotierten Bildern. Dabei wurden zusätzlich Untersuchungen identifiziert, bei denen Angiodysplasien nicht im Bericht beschrieben wurden, obwohl die Untersuchenden entsprechende Bilder gespeichert hatten. Für die zweite Phase wurden 126 Videoaufnahmen und die zugehörigen Berichte aus einer vorherigen prospektiven Studie genutzt. Anhand dieser Daten erfolgte die Evaluation der Leistungsfähigkeit der KI bei der Videoanalyse.

Das Bilderkennungsmodell erreichte in der ersten Validierungsphase eine Genauigkeit von 94,5 %, eine Sensitivität von 84,4 % und eine Spezifität von 95,9 %. Das Sprachmodell erkannte mit einer Genauigkeit von 95,8 % zuverlässig, ob eine Angiodysplasie im Bericht beschrieben wurde. Das System identifizierte 88 Fälle in denen eine Angiodysplasie zwar mit einem Bild, jedoch nicht schriftlich, dokumentiert wurde. In der zweiten Phase wurden in 5 Untersuchungen Angiodysplasien beschrieben. Das System identifizierte jedoch in 23 Videoaufnahmen Angiodysplasien. 

Die Studie zeigt, dass KI die Vollständigkeit und Einheitlichkeit von Endoskopieberichten verbessern und eine Dokumentation von Angiodysplasien standardisieren kann. Damit könnten Diagnostik und Therapie der Betroffenen künftig zielgerichteter und schneller erfolgen.

LinkedIn-Beitrag mit Video, das mithilfe von Claude (Anthropic) generiert wurde. 

Publikation: Ioannis Kafetzis, Jana Sophia Theile, Stavros Dimitriadis, Jörg Albert, Wolfram Zoller, Alexander Meining, Alexander Hann,  Artificial Intelligence-Based Detection of Colonic Angiodysplasia Can Improve Endoscopic Reporting Consistency, United European Gastroenterology Journal (2026): e70291, https://doi.org/10.1002/ueg2.70291

Arbeitsgruppe in der Magistrale des ZIM / ZOM
Die Arbeitsgruppe Interventionelle und Experimentelle Endoskopie (InExEn) unter der Leitung von Prof. Dr. med. Alexander Hann der Medizinischen Klinik und Poliklinik II des UKW. © Daniel Peter / UKW
Endoskopiebild - in normalem Weißlicht und Visulisierung mittels Erklärbarkeitsmethode
Zwei Beispiele für durch das System identifizierte Angiodysplasien (oben) mit Visualisierung des Fokus der KI mittels einer Erklärbarkeitsmethode (unten). Copyright Ukw/InExEn
Das Video wurde mithilfe von Claude (Anthropic) generiert
Wo KI den Menschen (noch) (nicht) übertrifft

Kann ein KI-gestütztes System zur Polypenerkennung die Darmkrebsvorsorge verbessern? Diese Frage hat der Gastroenterologe Prof. Dr. Alexander Hann am UKW am Beispiel des in seiner Arbeitsgruppe InExEn – Interventional and Experimental Endoscopy entwickelten KI-gestützten Systems (Computer-Aided Detection, CADe) EndoMind untersucht.

Die Arbeitsgruppe posiert für ein Gruppenbild im Zentrum für Innere Medizin.
Die von Alexander Hann geleitete Arbeitsgruppe InExEn (Interventional and Experimental Endoscopy) entwickelt am UKW mit KI, Simulation, Gamification und Teamarbeit die Gastroenterologie weiter. © Daniel Peter / UKW
Blaues Rechteck zeigt ein Adenom bei der Darmspiegelung
EndoMind ein KI-gestütztes System (Computer-Aided Detection, CADe), das die Detektionsrate von Adenomen (ADR) erhöhen soll, indem es bei einer Darmspiegelung erkannte Adenome mit einem blauen Rechteck markiert. © InExEn / UKW

EndoMind soll die Detektionsrate von Adenomen (ADR) erhöhen, indem es bei einer Darmspiegelung erkannte Adenome mit einem blauen Rechteck markiert. Nun wurde EndoMind wurde in gastroenterologischen Schwerpunktpraxen getestet. Die im Nature-Journal NPJ Digital Health veröffentlichten Ergebnisse sind ernüchternd: Die KI hilft erfahrenen Gastroenterologinnen und Gastroenterologen kaum dabei, die Detektionsrate von Polypen bei einer Darmspiegelung (Koloskopie) zu verbessern. Dennoch bietet KI viel Potenzial, wie Alexander Hann im Interview erklärt. KI könne kleine, leicht zu übersehende Polypen markieren, die Untersuchung standardisieren, die Einhaltung wichtiger Qualitätskriterien (etwa ausreichend lange Untersuchungszeiten) überwachen, Polypen vermessen und die Dokumentation unterstützen. Langfristig könnten solche Funktionen dazu beitragen, die Qualität der Vorsorge insgesamt zu verbessern und die Darmkrebsfälle und Todesfälle weiter zu reduzieren.

Zum Interview.

Publikation: Thomas J. Lux, Zita Saßmannshausen, Ioannis Kafetzis, Michael Banck, Adrian Krenzer, Daniel Fitting, Boban Sudarevic, Joel Troya, Wolfgang Boeck, Frank Passek, Tobias Heubach, Benjamin Simonis, Franz J. Heil, Leopold Ludwig, Frank Puppe, Wolfram G. Zoller, Alexander Meining & Alexander Hann. Artificial intelligence assisted colorectal lesion detection in private practices a randomized controlled study. npj Digit. Med. 9, 284 (2026). 
https://doi.org/10.1038/s41746-026-02576-8 

Die Arbeitsgruppe posiert für ein Gruppenbild im Zentrum für Innere Medizin.
Die von Alexander Hann geleitete Arbeitsgruppe InExEn (Interventional and Experimental Endoscopy) entwickelt am UKW mit KI, Simulation, Gamification und Teamarbeit die Gastroenterologie weiter. © Daniel Peter / UKW
Blaues Rechteck zeigt ein Adenom bei der Darmspiegelung
EndoMind ein KI-gestütztes System (Computer-Aided Detection, CADe), das die Detektionsrate von Adenomen (ADR) erhöhen soll, indem es bei einer Darmspiegelung erkannte Adenome mit einem blauen Rechteck markiert. © InExEn / UKW
ViGaTu - Virtueller Gastro Tutor für ärztliches und Pflegepersonal

Endoskopie-Simulatoren trainieren oft nur bestimmte Eingriffe, nicht aber wichtige Aufgaben rund um die Prozedur, wie das Überprüfen von Patientendaten oder die Überwachung.

In dem vom BMBF geförderten Projekt ViGaTu (Virtueller GastroTutor) wurde unter der Leitung des UKW ein Open Source Simulator geschaffen bei dem mittels Virtual Reality ärztliches Personal und Pflegekräfte den gesamten Ablauf einer Vorsorgedickdarmspiegelung trainieren können. Der Simulator wurde hinsichtlich Realitätsnähe und Nützlichkeit durch 43 Ärztinnen und Ärzten sowie 28 Pflegekräften aus 43 Zentren in Deutschland getestet. Neben dem UKW (Medizin) waren die Universität Ulm (Medieninformatik; Lehr- und Lernforschung) sowie das Bildungswerk Herne (Pflegewissenschaften) an der Studie beteiligt. 

 

Dorothea Henniger, Monika Engelke, Julian Kreiser, Valentin Riemer, Eva Wierzba, Stavros Dimitriadis, Alexander Meining, Tina Seufert, Timo Ropinski, Alexander Hann. Validation of the ViGaTu Immersive Virtual Reality Endoscopy. Training System for Physicians and Nurses. J Gastrointestin Liver Dis, 33(2):226-233 (2024). doi:10.15403/jgld-5440

Zur Publikation