Darmkrebs zählt zu den häufigsten Krebstodesursachen in der westlichen Welt. Als Vorsorgeuntersuchung wird dafür ab dem fünfzigsten Lebensjahr eine regelmäßige Koloskopie, also eine Darmspiegelung empfohlen. Die Qualität solcher koloskopischer Untersuchungen hängt u. a. stark von der Erfahrung und Aufmerksamkeit der Untersucher ab. Gerade kleine oder flache Polypen können leicht übersehen werden.
Das Projekt „Deep Colonoscopy“ hatte zum Ziel, ein KI-gestütztes System zur automatischen Erkennung und Klassifikation von Polypen und Adenomen in Echtzeit während der Koloskopie zu erforschen. Die Resultate, d. h. automatisch erkannte und vorklassifizierte Läsionen, fließen als Vorschlag in die Befund-Dokumentation ein.
Zusammen mit dem Fraunhofer-Institut für Integrierte Schaltungen IIS, dem Malteser Waldkrankenhaus Erlangen und assoziierten Partnern wurden über 100.000 koloskopische Bilder und Videos gesammelt, anonymisiert und annotiert. Auf diesen Daten wurden verschiedene Deep-Learning-Architekturen (u. a. Single Shot-Detektoren und Transformer-basierte Netzwerke) trainiert. Es wurde ein Funktionsdemonstrator entwickelt, der detektierte Polypen und Läsionen visuell hervorhebt. Die Integration in klinische Systeme erfolgte über etablierte Standards wie DICOM.
Die besten KI-Modelle erreichen eine Genauigkeit bei der Detektion von Polypen von über 92 % bei Polypen. Die KI ist in der Lage, die erkannten Läsionen in die Befundterminologie zur übernehmen, und unterstützt damit die ärztliche Dokumentation. Die Ergebnisse wurden in wissenschaftlichen Publikationen veröffentlicht und bilden die Grundlage für zukünftige Produktentwicklungen.