Brustkrebs: Google-KI Diagnose ist genauer als vom Radiologen

Künstliche Intelligenz zur Diagnose von Brustkrebs?

Leider erkranken jedes Jahr immer noch viele Frauen auf der ganzen Welt an Brustkrebs, der erst relativ spät entdeckt wird. Eine verbesserte Diagnose ist nötig. Eine künstliche Intelligenz von Google ist jetzt in der Lage, Brustkrebs bei einer Mammographie genauer zu erkennen, als Radiologinnen und Radiologen.

Bei der aktuellen gemeinsamen Untersuchung von Google Health, der Northwestern University und dem Royal Surrey County Hospital wurde festgestellt, dass eine künstliche Intelligenz Brustkrebs genauer identifizieren kann als Radiologen. Die Ergebnisse der Studie wurden in der englischsprachigen Fachzeitschrift „Nature“ publiziert.

Früherkennung und Diagnose von Brustkrebs ist schwierig

Brustkrebs ist die häufigste Krebserkrankung bei Frauen. Eine digitale Mammographie bzw. Röntgenaufnahmen der Brust werden hier zur Früherkennung genutzt. Doch trotz der weiten Verbreitung der Mammographie bleibt die Früherkennung und Diagnose von Brustkrebs problematisch.

Auswertung von Röntgenbildern kann zu falschen Ergebnissen führen

Die richtige Auswertung der Röntgenbilder ist selbst für darauf geschulte Personen eine schwierige Aufgabe, was dazu führen kann, dass sowohl falsch positive als auch falsch negative Ergebnisse entstehen. Ungenauigkeiten können zu Verzögerungen bei der Diagnose und Behandlung und zu unnötigem Stress für die betroffenen Frauen beitragen. Außerdem führen sie zu einer höheren Arbeitsbelastung der ohnehin schon voll ausgelasteten Radiologinnen und Radiologen.

Kann künstliche Intelligenz die Diagnose von Brustkrebs verbessern?

In den vergangenen zwei Jahren wurde in Zusammenarbeit mit führenden klinischen Forschungspartnern in Großbritannien und den USA überprüft, ob künstliche Intelligenz die Erkennung von Brustkrebs verbessern könnte.

KI war zuverlässiger als Radiologen

Die vorgestellten Ergebnisse zeigen, dass das künstliche Intelligenz-Modell in sogenannten de-identifizierten Screening-Mammographien (bei denen identifizierbare Informationen entfernt wurden) Brustkrebs mit höherer Genauigkeit, weniger falsch-positiven und weniger falsch-negativen Ergebnissen als Radiologinnen und Radiologen erkennt.

Wie wurde die KI trainiert und abgestimmt?

Dies schafft die Voraussetzungen für zukünftige Anwendungen, bei denen das Modell möglicherweise Radiologinnen und Radiologen bei der Durchführung von Brustkrebs-Screenings unterstützen könnte. Das neue Modell wurde anhand eines repräsentativen Datensatzes, bestehend aus de-identifizierten Mammographien von mehr als 76.000 Frauen in Großbritannien und mehr als 15.000 Frauen in den USA trainiert und abgestimmt.

System erzielte Reduzierung von falschen Ergebnissen

Das Modell wurde dann an einem separaten de-identifizierten Datensatz von mehr als 25.000 Frauen in Großbritannien und über 3.000 Frauen in den USA getestet. Bei dieser Auswertung erzielte das System eine Reduzierung der falsch positiven Ergebnisse in den USA um 5,7 Prozent und in Großbritannien um 1,2 Prozent.

Weiteres Experiment bestätigt Ergebnisse

Es wurde auch überprüft, ob das Modell auf andere Gesundheitssysteme übertragbar ist. In diesem separaten Experiment gab es eine Reduzierung der falsch positiven Ergebnisse um 3,5 Prozent und eine Reduzierung der falsch negativen Ergebnisse um 8,1 Prozent, berichten die Forschenden.

KI benötigt für Diagnose weniger Informationen

Bemerkenswert ist außerdem, dass das Modell für seine Entscheidungen weniger Informationen benötigt. Die menschlichen Radiologen hatten Zugang zu Patientenanamnese und früheren Mammographien, während das Modell nur die aktuellste anonymisierte Mammographie ohne zusätzliche Informationen verarbeitete. Trotz dieser Einschränkung übertraf das Modell einzelne Radiologinnen und Radiologen bei der genauen Identifizierung von Brustkrebs.

Weitere Forschung ist nötig

Mit Blick auf zukünftige Anwendungen gibt es einige vielversprechende Anzeichen dafür, dass das Modell die Genauigkeit und Effizienz von Screening-Programmen potenziell erhöhen sowie Wartezeiten und Stress für Frauen reduzieren könnte. Um dies zu erreichen, sind jedoch weitere Forschungsarbeiten, prospektive klinische Studien und die Genehmigung durch die Behörden erforderlich. (as)