Charakterisierung des diagnostischen Entscheidungfindungsprozesses während einer Zystoskopie - von der Detektion zur makroskopischen Verdachtsdiagnose: Beitrag zur Optimierung KI-unterstützter Systeme zur makroskopischen Risikobeurteilung des Urothelkarzinoms der Harnblase.

• Antragsteller: Shane O' Sullivan, Ph.D.
• Fachliche Zuordnung: Reproduktionsmedizin, Urologie ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 520382567

Das Urothelkarzinom der Harnblase ist die zehnthäufigste Krebsart weltweit, mit jährlich etwa 550.000 Neuerkrankungen und 200.000 Todesfällen (2018). Die diagnostische Zystoskopie (DZ) ist der entscheidende Schritt zur Diagnosestellung. Allein in den USA werden jährlich etwa eine Million DZs durchgeführt. Seit ihrer Einführung hat sich die DZ in Bezug auf Untersuchungsfreundlichkeit und Genauigkeit stetig verbessert. Trotz bestehender Leitlinien sind die Untersuchungsbefunde jedoch nach wie vor uneinheitlich und schwer zu klassifizieren; daher bleibt die Diagnosesicherheit und der Anteil an falsch positiver/negativer Verdachtsdiagnosen von Urothelkarzinomen bei der DZ ungeklärt. Unsere Hypothese ist, dass implizites, durch Erfahrung erworbenes Wissen über maligne Befunde durch KI-gestützte Analyse von Eye-Tracking- und Feedback-Daten explizit gemacht werden kann. Das gemeinsame implizite und explizite Wissen kann dann genutzt werden, um Trainingsdatensätze für die Optimierung von KI-Algorithmen zu erstellen. Es fehlen bisher Forschungsergebnisse über: (i) die menschliche Entscheidungsfindung während einer DZ; (ii) die standardisierte und maschinenlesbare Dokumentation und Beschreibung zystoskopischer Befunde; (iii) die Übertragung von Eye- Tracking-Daten in maschinelle Lernprozesse. Die geplante Studie soll daher mittels Eye-Tracking sowohl (1) dokumentieren, worauf erfahrene Urologinnen und Urologen während einer Live-DZ von Urothelkarzinom-Resektionen achten, als auch (2) worauf unabhängige Expertinnen und Experten während einer Überprüfung der aufgezeichneten DZ achten. Dabei werden Eye-Tracking-Systeme in Verbindung mit Sprachaufzeichnungen und digitalen Zeigeinstrumenten den gesamten Prozess ihrer Entscheidungsfindung während einer DZ aufzeichnen. Auf diese Weise können wiederkehrende Entscheidungsmuster besser identifiziert und untersucht werden. Unser Hauptziel ist die Optimierung von KI-Algorithmen für den unterstützenden Einsatz bei der Erkennung und Diagnose von Blasenkrebs. Die Ziele sind: (a) eine Datenbank mit Zystoskopie- und Studiendaten zu erstellen, (b) mit ausgewiesenen Urologinnen und Urologen zusammenzuarbeiten, um deren Vorgehensweise bei der Entscheidungsfindung umfassend zu charakterisieren. Die Ergebnisse dieses Projekts werden unserem gesamten Konsortium zugutekommen. Das Konsortium wird die KI optimieren, um eine professionelle Zweitmeinung zum DZ beizusteuern, zum Zwecke einer genaueren Vorhersage von Blasenkrebs, Vermeidung unnötiger Biopsien und höherer Patientinnen- und Patientensicherheit. Dieses Forschungsprojekt wird den Grundstein für weitere KI-Anwendungen in der invasiven Diagnostik in der Medizin legen.

• DFG-Verfahren: Sachbeihilfen