Die EAGLE-Studie, eine multizentrische randomisierte kontrollierte Untersuchung zur Bewertung des Olympus CADDIE™-Geräts, hat gezeigt, dass cloud-basierte künstliche Intelligenz die Erkennung von Hochrisiko-Kolorektalläsionen während der Koloskopie erheblich verbessern kann. Die in npj Digital Medicine veröffentlichte Studie stellt eine wegweisende Entwicklung in der computergestützten Detektionstechnologie für die gastrointestinale Endoskopie dar.
Die an acht Zentren in vier europäischen Ländern durchgeführte Studie umfasste 841 Patienten und 22 Endoskopiker, die Screening- und Überwachungskoloskopien durchführten. Die Patienten wurden randomisiert entweder einer Standardkoloskopie oder einer CADDIE-unterstützten Koloskopie zugeteilt. Die CADDIE™-Anwendung ist die erste cloud-basierte Computer-Aided-Detection-Lösung zur Echtzeit-Polypenerkennung während der Koloskopie, die sowohl die FDA-Zulassung als auch die CE-Kennzeichnung erhalten hat.
Die zentralen Studienergebnisse zeigten deutliche Verbesserungen bei der Erkennung klinisch signifikanter Läsionen. Bei Screening- und Überwachungspatienten war die Verwendung der CADDIE™-Anwendung mit einem absoluten Anstieg der Adenom-Erkennungsrate um 7,3 % im Vergleich zur Standardkoloskopie verbunden. Noch wichtiger ist, dass das System bemerkenswerte relative Steigerungen der Erkennungsraten für spezifische Hochrisiko-Läsionssubtypen zeigte: 93 % für große Adenome (>10 mm), 57 % für nicht-polypöse Adenome und 230 % für sessile serratierte Läsionen (SSLs).
Die klinische Bedeutung dieser Ergebnisse ist erheblich, da Läsionen mit sessiler oder flacher Morphologie besonders schwer zu erkennen sind, aber klinisch relevante Pathologien aufweisen können. SSLs stellen insbesondere Hochrisikoläsionen dar, deren Erkennung entscheidend für die Verringerung des Risikos von Darmkrebs nach der Koloskopie ist. Die zuverlässige Erkennung von SSLs wird zunehmend als wichtiger Qualitätsaspekt bei der Koloskopie angesehen, wie in aktuellen Leitlinien der Europäischen Gesellschaft für Gastrointestinale Endoskopie und der Amerikanischen Gastroenterologischen Vereinigung festgestellt wurde.
Die CADDIE™-Anwendung wurde speziell auf einem Datensatz trainiert, der mit klinisch relevanten und schwer erkennbaren Läsionen angereichert ist, darunter flache sessile serratierte Läsionen und große Polypen. Dieser gezielte Ansatz adressiert einige der in aktuellen Leitlinien geäußerten Bedenken bezüglich unnötiger Resektionen, da die Studie eine erhöhte Erkennung klinisch relevanter Läsionen ohne Zunahme unnötiger Eingriffe zeigte.
Die Cloud-Bereitstellung stellt eine bedeutende Innovation in der medizinischen KI-Implementierung dar. Die CADDIE™-Anwendung nutzt eine Cloud-Architektur mit branchenüblichen Sicherheitskontrollen und bietet Krankenhäusern Flexibilität durch reduzierte Hardware-Abhängigkeit und ermöglicht abonnementbasierte Beschaffungsmodelle. Dieser Ansatz hat das Potenzial, den Zugang zu fortschrittlichen KI-Tools zu demokratisieren und legt die Grundlage für zukünftige KI-Anwendungen in der Endoskopie. Für den vollständigen Zugang zur EAGLE-Studie besuchen Sie https://doi.org/10.1038/s41746-025-02270-1.
Der Hauptuntersucher Rawen Kader merkte an: „Die Cloud-Bereitstellung kann Hardware-Barrieren beseitigen und Krankenhäusern Zugang zu den neuesten KI-Innovationen verschaffen, was das Potenzial hat, die Erkennung der Läsionen zu verbessern, die für die Verringerung des Darmkrebsrisikos am wichtigsten sind.“ Diese Ansicht wurde von Olympus-Führungskräften geteilt, die betonten, dass die Echtzeit-Bereitstellung von KI über die Cloud Innovationen beschleunigen und Krankenhäusern weltweit den Zugang zu evidenzbasierten Technologien ermöglichen kann.
Die Veröffentlichung der Studie in einem hochrangigen Fachjournal unterstützt die klinische Einführung des CADDIE™-Geräts als KI-Lösung, die die Erkennung klinisch relevanter Läsionen verbessern kann, ohne Sicherheit oder Effizienz zu beeinträchtigen. Da Darmkrebs weltweit eine der häufigsten Krebstodesursachen bleibt, stellen Technologien, die die Früherkennung von Krebsvorstufen verbessern, bedeutende Fortschritte in der Präventivmedizin dar. Die Ergebnisse der EAGLE-Studie deuten darauf hin, dass cloud-basierte KI-Systeme zu Standardwerkzeugen in Darmkrebs-Screening-Programmen werden könnten, was möglicherweise Intervallkarzinome reduziert und die Patientenversorgung durch umfassendere Läsionserkennung verbessert.
