Gastroenterologie

Forschung

Die Studie „Telephone Consultation as a Substitute for Routine Out-patient Face-to-face Consultation for Children With Inflammatory Bowel Disease“ (2015) untersucht die Wirksamkeit und Kosten von Telefonkonsultationen im Vergleich zu herkömmlichen ambulanten persönlichen Konsultationen bei Kindern mit entzündlichen Darmerkrankungen (IBD). In einer randomisierten kontrollierten Studie mit 86 Patienten (8–16 Jahre) in Manchester, UK, zeigte sich kein Unterschied in der Lebensqualität nach 12 Monaten zwischen den Gruppen (Telefon vs. persönlich). Telefonkonsultationen waren kürzer (9,8 vs. 14,3 Minuten) und kostengünstiger (£35,41 vs. £51,12 pro Konsultation), ohne Hinweise auf Nachteile in Bezug auf Krankheitsverlauf oder Patientenzufriedenheit. Die Studie, finanziert vom UK National Institute for Health Research, zeigt, dass Telefonkonsultationen eine effektive und kostensparende Alternative für die Routinebetreuung von Kindern mit IBD sind. (Akobeng u. a. 2015)

Computervision hat in der Endoskopie hat durch KI-gestützte Systeme wie EndoML und EndoDINO Einzug gehalten. EndoML ermöglicht es, mit dem Fundamentmodell EndoDINO, das auf über 130.000 Endoskopievideos trainiert wurde, KI-Modelle für Anwendungen wie Polypenerkennung, Landmarkenerkennung und IBD-Schweregradbewertung zu entwickeln, ohne tiefgehende Programmierkenntnisse. Die Plattform erleichtert das Hochladen und Labeln von Endoskopiedaten, beschleunigt die Biomarker-Identifikation und bietet HIPAA- und SOC2-konforme Sicherheit. EndoDINO übertrifft frühere Modelle wie Etro-FM und Endo-FM durch die Nutzung von 10 Millionen Frames und fortschrittlicher DINOv2-Architektur, was zu höherer Präzision bei Klassifikation, Segmentierung und Detektion führt. Zusätzlich unterstützt EndoML Objekterkennung, Videosegmentierung, natürliche Sprachanalyse und interaktive Visualisierungen wie T-SNE-Diagramme, während ein dynamischer API-Zugang und der Datenaustausch die Integration und Forschung weiter fördern. Studien wie die von Zhao Wang et al. (2025) zeigen, dass Modelle wie EndoFM-LV, die auf langen Videosequenzen trainiert werden, bestehende Ansätze in Klassifikation, Segmentierung, Detektion und Workflow-Erkennung deutlich übertreffen, was die Bedeutung langer Sequenzen für die Endoskopie-Analyse unterstreicht. (Wang u. a. 2025)

Akobeng, Anthony K, Neil O’Leary, Andy Vail, Nailah Brown, Dono Widiatmoko, Andrew Fagbemi, und Adrian G Thomas. 2015. „Telephone consultation as a substitute for routine out-patient face-to-face consultation for children with inflammatory bowel disease: randomised controlled trial and economic evaluation“. EBioMedicine 2 (9): 1251–56.

Wang, Zhao, Chang Liu, Lingting Zhu, Tongtong Wang, Shaoting Zhang, und Qi Dou. 2025. „Improving Foundation Model for Endoscopy Video Analysis via Representation Learning on Long Sequences“. IEEE Journal of Biomedical and Health Informatics.

Hinweis: Der Text erhebt keinen Anspruch auf Vollständigkeit oder Korrektheit und stellt keine Rechtsberatung dar.