Auf künstlicher Intelligenz basierende Smartphone-App zur Charakterisierung der Stuhlform

By | July 11, 2022
Spread the love

In einer kürzlich veröffentlichten Studie in der Amerikanisches Journal für Gastroenterologiehaben Forscher am Cedars-Sinai Medical Center in den Vereinigten Staaten eine auf künstlicher Intelligenz (KI) basierende Smartphone-Anwendung (App) evaluiert, die darauf trainiert ist, die Stuhleigenschaften eines Patienten zu beurteilen.

Studie: Eine Smartphone-Anwendung mit künstlicher Intelligenz ist der Selbstauskunft der Probanden bei der Beurteilung der Stuhlform überlegen. Bildnachweis: Josep Suria / Shutterstock

Hintergrund

Funktionelle gastrointestinale (GI) Störungen, insbesondere luminale, erfordern, dass ein Patient Stuhlform und -häufigkeit selbst angibt. Da die bei Patienten mit Reizdarmsyndrom (IBS-D) häufig auftretenden Durchfallsymptome jedoch subjektiv sind, macht es die Unfähigkeit, Stuhlform und -häufigkeit genau zu melden oder zu beurteilen, schwierig, die Wirksamkeit therapeutischer Interventionen bei diesen Erkrankungen zu bestimmen.

Die Bristol Stool Scale (BSS) ist eine von der United States Food and Drug Administration (US-FDA) zugelassene 7-Punkte-Skala, die die Stuhlkonsistenz von 1 (harte Klumpen) bis 7 (flüssig) einstuft. Inkonsistente und ungenaue Selbstangaben zu Stuhlformen verursachen jedoch Probleme, insbesondere bei IBS-D-Fällen. In solchen Fällen könnten KI-Algorithmen helfen, digitale Bilder des Stuhlgangs einer Person systematisch auszuwerten.

Über das Studium

In die vorliegende Studie rekrutierten die Forscher Probanden, die an einer randomisierten klinischen Studie für IBS-D teilnahmen, um AI-Bestimmungen für Stuhlbilder basierend auf fünf unterschiedlichen visuellen Stuhlmerkmalen zu validieren, nämlich Randunschärfe, Konsistenz, BSS, Volumen und Fragmentierung. In einer anderen Gruppe von Personen aus derselben Studie bewerteten sie, wie die App-Ergebnisse mit den selbstberichteten BSS-Werten übereinstimmten. Schließlich verglich das Team die vom Probanden bestimmten BSS- und AI-bestimmten Stuhleigenschaften mit standardisierten Durchfall-Schweregradwerten.

Die teilnehmenden Probanden nahmen während der zweiwöchigen Screening-Phase der Studie alle Stuhlbilder auf. Die App verarbeitete die Ergebnisse und ermittelte fünf visuelle Stuhlmerkmale und Stuhlfrequenz. Zwei Experten validierten KI-Bilder des ersten Drittels der Probanden. Später stufte das Team auch Stuhlbilder ein, die von KI kommentiert und von den Studienteilnehmern und zwei Experten selbst berichtet wurden, in die Kategorien BSS < 3 (Verstopfung), BSS ≥ 3, aber BSS ≤ 5 (normal) und BSS > 5 ( Durchfall). Schließlich berechnete das Team Sensitivität, Spezifität, Genauigkeit und diagnostische Odds Ratios von selbstberichteten und KI-bewerteten BSS-Scores, indem es sie mit Expertenbewertungen verglich, die sie als Goldstandard betrachteten.

Studienergebnisse

Es gab insgesamt 39 Studienteilnehmer, von denen 14 219 Stuhlbilder für die Validierungsphase lieferten. Für die Implementierungsphase verwendete das Team Daten von den anderen 25 Probanden. Sowohl KI- als auch erfahrene Gastroenterologen präsentierten BSS-Bewertungen von eins bis sieben, und ihre Bewertungen stimmten für alle fünf Stuhlmerkmale gut überein, ebenso wie KI- und Expertenbewertungen.

Die durchschnittlichen Spezifitäts- und Sensitivitätsraten der AI-bewerteten BSS-Score-Kategorisierung waren 11 % bzw. 16 % höher. Das mittlere diagnostische Odds Ratio und die Treffsicherheitsrate waren mit 30,64 höher für AI im Vergleich zu 3,67 und 95 % vs. 89 % im Vergleich zu den vom Subjekt gemeldeten Ergebnissen. Die Übereinstimmung zwischen den vom Probanden berichteten und den von der KI bewerteten BSS-Werten betrug während der Validierungsphase 0,31, erreichte jedoch während der Implementierungsphase einen Wert von 0,61. Im Durchschnitt blieben die durch KI bestimmten visuellen Stuhleigenschaften zwischen den beiden Phasen ähnlich.

Darüber hinaus beobachteten die Autoren eine gute Korrelation zwischen den AI-bewerteten täglichen durchschnittlichen BSS-Werten und den Werten für die Schwere des Durchfalls bei IBS-D-Patienten. Die anderen vier visuellen Stuhlmerkmale, die von der App gemeldet wurden, korrelierten ebenfalls ziemlich gut mit den Werten für die Schwere des Durchfalls. Bemerkenswerterweise fanden alle Probanden die App einfach zu bedienen, und 50 % derjenigen, die auf Fragen zur Benutzererfahrung antworteten, beschrieben ihre Erfahrung als einfach und sehr angenehm.

Ergebnisse

Früher hingen IBS-Drogentests oft von wöchentlichen GI-Symptombewertungen ab. Später entwickelte die US-amerikanische FDA neue Richtlinien für IBS, die die Studiensponsoren dazu verpflichteten, alle Teilnehmer zu bitten, täglich Symptome zu melden und zu charakterisieren, um die Genauigkeit zu verbessern. Dennoch bleibt BSS entscheidend für die Bewertung der selbstberichteten Stuhlhärte und die Bewertung einzelner Stuhltypen während klinischer Studien.

Eine ungenaue Selbstauskunft über die Stuhlform könnte auf ein unzureichendes Verständnis des Probanden und eine Erinnerungsverzerrung zurückzuführen sein. Obwohl intuitiv, muss der Patient mit BSS vertraut gemacht werden, um Fehlwahrnehmungen zu vermeiden. Es wird schwierig, wenn Probanden mit Durchfall einen täglichen durchschnittlichen BSS angeben, während sie an einem Tag mehrere unterschiedliche Stuhlgänge haben. Die aktuellen Studienergebnisse unterstützen, dass sich die selbstberichteten Tageswerte von den BSS-Werten unterschieden, die von den beiden Experten angegeben wurden.

KI-Kataloge charakterisierten die Stuhlform in einem objektiv „wahren“ Sinne, da ein Subjekt jeden Stuhlgang fotodokumentiert. Die digitalen Stuhlbilder ermöglichten die vollständige Beurteilung einer Arzneimittelwirkung und die objektive Quantifizierung der Nebenwirkungen von Therapien für Darmerkrankungen. Außerdem bewerteten diese Bilder die Stuhleigenschaften jenseits des BSS. Die Auswertung von vier neuartigen Merkmalen erleichterte die separate Betrachtung jedes Stuhlgangs und vermied die Notwendigkeit, Tagesmittelwerte zu vergleichen. Insgesamt deutete das beobachtete Muster der Testmerkmale darauf hin, dass die AI-Ergebnisse überlegen waren. Darüber hinaus reduzierten sie die Studienkosten, da die Sponsoren nun Studien mit einer großen Anzahl von Probanden entwerfen konnten, um die Auswirkungen von Inkonsistenzen und Ungenauigkeiten bei der Selbstauskunft zu dämpfen. Dementsprechend müssten in Zukunft für die objektive Messung der Stuhlform weniger Probanden Medikamente testen.

Zusammenfassend lässt sich sagen, dass die in der Studie verwendete KI-basierte App den Stuhl im Vergleich zu den Selbstangaben genau charakterisierte und gut mit der Schwere des Durchfalls korrelierte. Es hat das Potenzial, ein wertvolles Werkzeug für den Einsatz in Studien zu luminalen GI-Erkrankungen, einschließlich IBS-D, zu werden, da es bei der Definition von Stuhlmerkmalen jenseits des BSS sowohl genau als auch objektiv war.

Zeitschriftenreferenz:

  • Pimentel, Mark, Mathur Ruchi, Wang Jiajing, Chang Christine, Hosseini Ava, Fiorentino Alyson, Rashid Mohamad, Pichetshote Nipaporn, Basseri Benjamin, Treyzon Leo, Chang Bianca, Leite Gabriela, Morales Walter, Weitsman Stacy, Kraus Asaf, Rezaie Ali, A Smartphone Application Using Artificial Intelligence Is Superior To Subject Self-Reporting When Assessing Stool Form, The American Journal of Gastroenterology: Juli 2022, DOI: 10.14309/ajg.0000000000001723, https://journals.lww.com/ajg/Fulltext/2022/ 07000/A_Smartphone_Application_Using_Artificial.24.aspx

.

Leave a Reply

Your email address will not be published.