gms | German Medical Science

Einleitung: Die interstitielle Lungenerkrankung (ILD) bei entzündlich rheumatischen Erkrankungen (IRD) ist eine relevante Organmanifestation und durch eine erhöhte Mortalität gekennzeichnet. In der Diagnostik stellen bisher die Lungenfunktionsuntersuchung und die hochauflösende Computertomographie (HRCT) der Lungen den Goldstandard dar. Häufige HRCT-Muster bei einer IRD-ILD sind Ground-glass opacities (Milchglastrübungen, GGO), die nicht spezifische interstitielle Pneumonie (NSIP), die gewöhnliche interstitielle Pneumonie (UIP) sowie Granulome. Die computerassistierte Quantifizierung pathologischer Lungenveränderungen in Form der künstlichen Intelligenz (KI) erfolgte bei einer IRD bisher nicht. Ziel der Studie ist die Evaluierung der Reliabilität der KI basierten Lungenstrukturanalyse im Vergleich zur anwenderbasierten Lungenstrukturanalyse im Hinblick auf die Erkennung und Quantifizierung von pathologischen Lungenveränderungen bei einer IRD-ILD.

Methoden: Im Rahmen der Studie wurden insgesamt 80 HRCT-Datensätze (4 separate HRCT) von vier IRD-ILD Patienten mit Hilfe der KI-gestützten Annotationssoftware SATORI (RACOON Lung Analysis Platform Version 1.8.0, Fraunhofer, MEVIS, Bremen, Deutschland) segmentiert und die ILD-Muster quantifiziert. Hierbei wurden folgende HRCT-Muster untersucht: reine GGO, Retikulationen für das NSIP-Muster, Honigwaben für das UIP-Muster sowie Granulome. Für ein jedes der 4 HRCT wurden jeweils zehn Analysen ohne anwenderbasierte Segmentierung und zehn Analysen mit einer anwenderbasierten Segmentierung durchgeführt. Die Reliabilität wurde anhand des Variationskoeffizienten (CV) und des Intraklassen-Korrelationskoeffizienten (ICC) überprüft.

Ergebnisse: Bei alleiniger KI-basierter Analyse zeigen sich keine Schwankungen der Reliabilität (CV=0,00%, ICC=1,000) für die GGO, Retikulationen, Honigwaben und Granulome. Die Bestimmung der Lungenvolumina zeigte für alle vier HRCT-Muster eine Reliabilität mit einem mittleren CV=1,03% und einem ICC=1,000. Die Analyse ergab zudem folgende Reliabilitäten für die Anwender-adaptierte Quantifizierung der Lungenveränderungen bei einer IRD-ILD: GGO CV=9,06%, ICC=0,988; Retikulationen CV=5,96%, ICC=0,997; Granulome CV=3,37%, ICC=0,994; Honigwaben-Muster CV=4,53%, ICC=0,997.

Schlussfolgerung: Die KI-basierte Lungenstrukturanalyse quantifiziert die IRD-ILD basierten Lungenstrukturveränderungen mit einer hohen Reliabilität. Die anwenderbasierte Adaptation der Lungenstrukturanalyse geht mit einer Abnahme der Reliabilität einher, so dass eine Quantifizierung der Lungenparenchymveränderungen bei einer IRD-ILD primär ohne eine anwenderbasierte Anpassung der Segmentierung durchgeführt werden sollte.

Offenlegungserklärung: Teilweise gefördert durch das Bundesministerium für Bildung und Forschung (BMBF, FKZ: 01KX2021 und 01KX2121).