EAGLE-Studienvalidierung: Wirksamkeit und klinischer Übersetzungswert von KI-unterstützten Koloskopiesystemen

Olympus hat offiziell die Forschungsergebnisse der EAGLE-Studie veröffentlicht, die den Kernwert seiner cloudbasierten computergestützten Erkennungslösung (CADe) CADDIE™ bei der klinischen Erkennung kolorektaler Läsionen bestätigt. Die Echtzeit- und effiziente Analysefähigkeit dieser KI-Lösung wird durch die hochauflösende Bildleistung der speziellen Miniatur-Endoskop-Kameramodule von Olympus untermauert. Als erste cloudbasierte CADe-Anwendung zur Echtzeit-Polypenerkennung während der Koloskopie, die sowohl die FDA-Zulassung als auch die CE-Kennzeichnung erhalten hat, ist CADDIE™ auch die erste implementierte Lösung des OLYSENSE™ Intelligent Endoscopy Ecosystem von Olympus. Die Realisierung seiner klinischen Wirksamkeit bildet eine tiefe technische Synergie mit der Bildgenauigkeit von Endoskop-Kameramodulen.

Die EAGLE-Studie ist eine multizentrische, randomisierte, kontrollierte Studie, die an acht klinischen Zentren in vier europäischen Ländern durchgeführt wird. 841 Probanden, die sich einem kolorektalen Screening und einer Überwachung unterzogen, sowie 22 Endoskopiker wurden in die Kernanalyse einbezogen und die Probanden wurden nach dem Zufallsprinzip der Standardkoloskopiegruppe oder der CADDIE™-unterstützten Gruppe zugeordnet. Relevante Forschungsergebnisse wurden in npj Digital Medicine veröffentlicht. Das Kerndesign der Studie konzentriert sich auf klinisch risikoreiche und schwer zu erkennende kolorektale Läsionen, deren visuelle Identifizierung zunächst auf der klaren Erfassung subtiler Schleimhautmerkmale des Darmtrakts durch Endoskopkameramodule beruht. Diese Hardware-Grundlage bietet eine unersetzliche visuelle Datenunterstützung für die präzise Analyse von KI-Algorithmen.

Die Kerndaten der Studie bestätigten den synergetischen Wert von Bildgebungshardware und KI-Algorithmen: Im Vergleich zur Standardkoloskopie erzielte die CADDIE™-gestützte Untersuchung eine absolute Steigerung der Adenomerkennungsrate (ADR) um 7,3 %. Bei schwer zu erkennenden Subtypen, darunter große Adenome (>10 mm), nicht-polyploide Adenome und sessile serratierte Läsionen (SSLs), stiegen die relativen Erkennungsraten um 93 %, 57 % bzw. 230 %, ohne die Sicherheit und den Arbeitsablauf des klinischen Betriebs während des gesamten Prozesses zu beeinträchtigen. Der CADDIE™-Algorithmus wird speziell auf einen Datensatz trainiert, der mit solchen klinisch relevanten Läsionen angereichert ist, und seine technische Kompatibilität mit Endoskopkameramodulen gewährleistet die Synchronisierung von Bildaufnahme und Echtzeit-KI-Analyse, wodurch die klinische Implementierung cloudbasierter KI technisch machbar ist.

Der Einsatz einer Cloud-Architektur ist zu einem weiteren Kernvorteil der Lösung geworden, die die standardisierte Bildausgabe von Endoskop-Kameramodulen ergänzt: CADDIE™ ist mit einer Cloud-Architektur ausgestattet, die branchenüblichen Sicherheitskontrollen entspricht, was nicht nur die Abhängigkeit medizinischer Einrichtungen von lokaler Hardware verringert und ein abonnementbasiertes Beschaffungsmodell ermöglicht, sondern auch eine einheitliche Datenplattform für die technologische Aufrüstung von Endoskop-Kameramodulen und die iterative Optimierung von KI-Algorithmen durch standardisierte Bilddateninteraktion aufbaut. Dieses Modell verbessert auch die klinische Zugänglichkeit fortschrittlicher KI-Erkennungstools erheblich.

Branchenexperten haben dieses Technologieintegrationsmodell sehr geschätzt. Der Hauptforscher der EAGLE-Studie wies darauf hin, dass der Cloud-Einsatz die Hardware-Barrieren der KI-Endoskopie durchbricht, während hochauflösende und hochauflösende Endoskopkameramodule den Kernträger für die klinische Umsetzung von KI-Innovationen darstellen. Die Kombination der beiden ist zum Schlüssel zur Verbesserung der Erkennungseffizienz von hochriskanten kolorektalen Krebsläsionen geworden. Die Führungskräfte von Olympus gaben an, dass die Studienergebnisse eine evidenzbasierte Unterstützung für die klinische Popularisierung von CADDIE™ liefern und auch den klinischen Wert des kollaborativen Designs von Bildgebungshardware und KI-Algorithmen bestätigen.

Es sollte klargestellt werden, dass CADDIE™ nur als klinisches Hilfsmittel zur Erkennung verwendet wird und nicht das professionelle diagnostische Urteil von Endoskopikern ersetzt. Darüber hinaus beschränkt sich die Lösung auf die Analyse von Bilddaten von Standard-Weißlicht-Endoskop-Kameramodulen. Diese Kompatibilitätsgrenze bietet auch eine klinische Referenz für die standardisierte Forschung und Entwicklung medizinischer Endoskopkameramodule.

Insgesamt bestätigen die Ergebnisse der EAGLE-Studie nicht nur den klinischen Wert cloudbasierter KI im Bereich der Verdauungsendoskopie, sondern unterstreichen auch die zugrunde liegende Rolle von Endoskopkameramodulen als Kernhardware des intelligenten Endoskopie-Ökosystems. Durch das integrierte Layout von Bildgebungshardware und KI-Software über das OLYSENSE™-Ökosystem bietet Olympus ausländischen Kunden, die sich mit der Forschung und Entwicklung medizinischer Endoskopkameramodule und der Beschaffung medizinischer Geräte befassen, eine integrierte Lösung mit sowohl klinischem Wert als auch technischer Machbarkeit und bietet außerdem einen replizierbaren technischen Weg für die intelligente Aufrüstung medizinischer Bildgebungsgeräte.