Themen der aktuellen Ausgaben

 

Ein endoskopischer Schutzengel aus Wuhan


Machine learning in GI endoscopy: Practical guidance in how to interpret a novel field. 

van der Sommen F, de Groof J, Struyvenberg M, van der Putten J, Boers T, Fockens K, et al.

Lancet Gastroenterol Hepatol 2020; 5:343-351

 

Effect of a deep-learning computer-aided detection system on adenoma detection during colonoscopy (CADe-DB trial): A double-blind randomised study

Wang P, Liu X, Berzin TM, Glissen Brown JR, Liu P, Zhou C, Lei L, Li L, Guo Z, et al.

Lancet Gastroenterol Hepatol 2020; 5:343-351

 

Detection of colorectal adenomas with a real-time computer-aided system (ENDOANGEL): A randomized controlled study.    

Gong D, Wu L, Zhang J, Mu G, Shen L, Liu J, Wang Z, Zhou W, An P, Huang X, et al.

Lancet Gastroenterol Hepatol 2020; 5:352-361

 

Auf den ersten Blick liest sich der Titel dieser Studie der Wuhan (ja, dort!) University wie eine jener zahlreichen Lobeshymnen auf ein neues Machine Learning/Deep Learning/Artificial Intelligence (AI) System, um noch mehr kleine, meist irrelevante Polypen zu entdecken.  

Liest man weiter, so versteht man, dass es aber nicht Polypen oder Adenome anzeigt, sondern den Endoskopiker in seiner handwerklichen Performance unterstützt bzw. überwacht – wie man es halt sehen will. Man hat einem Computer, der das Videosignal von Coloskopen bekommt, gelernt, in Echtzeit endoskopische Bilder aus Darm und Umgebung zu unterscheiden, um die Zeit des Endoskops im Körper zu messen. Man hat ihm gelernt, das Zökum zu erkennen, wodurch man die Einführ- und Rückzugzeit berechnen kann. Er lernte, aus der Veränderung von Bild zu Bild die aktuelle Rückzuggeschwindigkeit abzuschätzen und als korrekt, zu schnell oder gefährlich schnell zu werten und das sofort mitzuteilen. Weiters wurde ihm beigebracht, ein Zurückrutschen zu erkennen, sofort zu warnen und nach Wiedereinführen die letzte gut beurteilbare Stelle anzuzeigen.

Melden Sie sich an um weiter zu lesen ...

Tags: gastro&hepa-news endoskopie machine learning deep learning polypen polypen-detektions-software adenomdetektionsrate adenome 

© Medicom VerlagsgmbH

 
Medicom

Wir wollen Fachärzte und Pfleger topaktuell und wissenschaftlich fundiert über Studien, fachspezifische Entwicklungen und deren praktische Umsetzung informieren, um sie in ihrer Arbeit und Fortbildung zu unterstützen.

Wählen Sie dazu bitte Ihr Land aus.

  • ÖsterreichÖsterreich
  • ÖsterreichDeutschland
  • ÖsterreichSchweiz
  • ÖsterreichAndere