de.wedoany.com-Bericht: NodeAI hat kürzlich am University Health Network (UHN) eine klinische Studie gestartet, um die Fähigkeit seines KI-Algorithmus zu validieren, während einer endobronchialen Ultraschalluntersuchung (EBUS) in Echtzeit die Malignität von Lymphknoten vorherzusagen. Die Studie findet am Toronto General Hospital statt, wo 2011 erstmals eine wegweisende klinische Studie die EBUS-Technologie validierte.
Jährlich unterziehen sich allein in Nordamerika über 270.000 Patienten einer endobronchialen Ultraschalluntersuchung. Diese minimalinvasive Biopsietechnik namens EBUS-TBNA, die Ende der 1990er Jahre am Toronto General Hospital entwickelt wurde, hat die Diagnose von Lungenkrebs revolutioniert. Sie hat offene Lungenoperationen weitgehend überflüssig gemacht und ist heute weltweiter Standard. Allerdings sind etwa 40 % der Untersuchungsergebnisse unklar, da die Durchführung stark von der Erfahrung und Ausbildung des Untersuchers abhängt. Unklare Ergebnisse bedeuten Diagnoseverzögerungen und wiederholte Biopsien, was sich negativ auf die Prognose der Patienten auswirkt.
Das in Hamilton ansässige Medizin-KI-Startup NodeAI wurde genau zur Lösung dieses Problems gegründet. Beteiligt ist auch Dr. Kazuhiro (Kazu) Yasufuku, Mitentwickler der EBUS-TBNA-Technologie, derzeit Leiter der Abteilung für Endoskopie und interventionelle Thoraxchirurgie am UHN sowie Mitglied des Beirats von NodeAI. Er war 2011 an der wegweisenden klinischen Studie zur Validierung der EBUS-Technologie beteiligt. Die von Dr. Yasufuku am Toronto General Hospital entwickelte EBUS-TBNA ersetzte die Mediastinoskopie – einen Eingriff, der Vollnarkose, einen Halschnitt und den Einsatz starrer Stahlinstrumente zum Eindringen in den Brustkorb erforderte. EBUS verkürzte die Untersuchungszeit auf unter 15 Minuten, ermöglichte den Patienten eine Rückkehr nach Hause am selben Tag und wurde innerhalb eines Jahrzehnts zum globalen Goldstandard. Bis 2020 wurden schätzungsweise 650.000 Lungenkrebsfälle mit dieser Technik diagnostiziert. Dr. Yasufuku erhielt dafür den Japanischen Preis für medizinische Forschung und Entwicklung, verliehen vom damaligen Premierminister Shinzo Abe.
„Als Mitentwickler von EBUS-TBNA ist es aufregend zu sehen, wie KI hilft, die nächste Generation der Präzisionsdiagnostik zu erschließen. Der Ansatz von NodeAI ist wissenschaftlich fundiert, da er auf bewährter chirurgischer Anatomie, realen Bilddaten und klinisch bedeutsamen Mustern aufbaut, die erfahrene Bronchoskopiker täglich erkennen. NodeAI hat das Potenzial, die Diagnoserate zu verbessern, die Verbreitung von Fachwissen zu beschleunigen und letztlich die Patientenversorgung weltweit zu verbessern“, so Dr. Yasufuku.
Die NodeAI-Plattform wird über eine cloudbasierte Schnittstelle direkt in bestehende klinische EBUS-Arbeitsabläufe integriert. Während des Eingriffs analysiert die KI in Echtzeit das Ultraschallvideo, erkennt die Lymphknotenanatomie, identifiziert die Stationsebene und generiert eine Malignitätsvorhersage vor dem Einsatz der Biopsienadel. Das System ist anbieterunabhängig und erfordert keine Hardwareänderungen. Der Algorithmus basiert auf über sieben Jahren klinischer Forschung und einem der weltweit größten EBUS-Videodatensätze, entwickelt von Thoraxchirurg Dr. Waël Hanna und KI-Wissenschaftler Anthony Gatti, beide Mitgründer von NodeAI.
„EBUS hat die Art und Weise, wie wir Lungenkrebs stadieneinteilen, völlig verändert“, sagt Dr. Hanna. „Aber die Qualität der Untersuchung hängt vom Untersucher ab, was ein Gerechtigkeitsproblem schafft. Patienten, die von einem erfahrenen Bronchoskopiker in einem großen akademischen Zentrum untersucht werden, erhalten andere Ergebnisse als Patienten in einem Gemeindekrankenhaus. KI kann diese Lücke schließen. Diese Studie soll genau das beweisen.“
Die Studie wird am Toronto General Hospital über einen Zeitraum von drei Monaten 100 Patienten rekrutieren. Der primäre Endpunkt ist die Fähigkeit von NodeAI, EBUS-Bilder erfolgreich zu verarbeiten und in über 90 % der Fälle eine Echtzeitvorhersage zurückzugeben, d. h. über 90 % aller während des Eingriffs erfassten Bilder. Die Studie wird bewerten, ob die Echtzeit-KI-Führung von NodeAI im Vergleich zur Standard-EBUS-Praxis die Diagnoserate verbessert, mit Schwerpunkt auf der Reduzierung unklarer Ergebnisse und der Verringerung von Unterschieden zwischen den Untersuchern.
„Es gibt keinen glaubwürdigeren Ort auf der Welt als das Toronto General Hospital, um die EBUS-Technologie zu validieren“, sagt Dr. Hanna. „Hier wurde die Technologie geboren. Diese Studie unter der Leitung von Dr. Yasufuku durchzuführen, ist die wissenschaftliche Grundlage, die wir brauchen, um sicherzustellen, dass wir eine Technologie entwickeln, die jedem Patienten im Kampf gegen Lungenkrebs helfen kann.“
Lungenkrebs fordert in Kanada mehr Todesopfer als jede andere Krebsart, mit schätzungsweise 33.000 Neudiagnosen im Jahr 2025. Weltweit ist er die häufigste krebsbedingte Todesursache. Eine genaue und rechtzeitige Stadieneinteilung bestimmt, ob ein Patient operiert wird, Chemotherapie, Strahlentherapie oder palliative Behandlung erhält. Die größere Ambition von NodeAI ist es, eine fachärztliche EBUS-Untersuchung überall verfügbar zu machen – nicht nur in akademischen medizinischen Zentren. Das abonnementbasierte Modell des Unternehmens zielt darauf ab, sowohl in Krankenhäusern mit hohem Patientenaufkommen als auch in kleineren kommunalen Einrichtungen, die EBUS durchführen, aber über begrenztes Fachwissen verfügen, eingesetzt zu werden.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
