Krebs: Verbesserte Diagnose durch KI

Krebs: KI verbessert Diagnose erheblich

Krebs ist laut Fachleuten die zweithäufigste Todesursache in Deutschland. Nahezu 500.000 Menschen erkranken hierzulande jedes Jahr neu an Krebs, etwa 220.000 sterben jährlich daran. Eine frühe Erkennung der Erkrankung kann in vielen Fällen dazu führen, Betroffene erfolgreich zu behandeln. Forschende berichten nun, dass Künstliche Intelligenz (KI) die Diagnose bei Krebs deutlich verbessert.

Wie es in einer aktuellen Mitteilung der Veterinärmedizinischen Universität Wien (Vetmeduni) heißt, ist die Mitosezählung ein wichtiges Werkzeug für die mikroskopische Einschätzung, ob ein Tumor sich ausbreiten wird. Doch trotz ihres Nutzens hat diese Untersuchungsmethode bisher einen deutlichen Nachteil: Abhängig von der untersuchenden Person unterscheiden sich die Ergebnisse, was zu falschen Diagnosen führen kann – oder anders gesagt zur fehlerhaften Beurteilung, ob ein Tumor bösartig ist. Ein internationales Forschungsteam unter Leitung der Vetmeduni hat die bisherige Methode jetzt mithilfe Künstlicher Intelligenz (Deep Learning) verbessert und damit die Zuverlässigkeit deutlich erhöht.

Wichtiger histologischer Parameter mit Schwachstelle

Die Mitose ist die Phase im Zellzyklus, bei der das genetische Material verdoppelt und auf zwei Tochterzellen aufgeteilt wird. Die Anzahl der Mitosen in Gewebeproben gibt laut den Fachleuten Hinweise auf Zellteilungsaktivität und somit auf die Bösartigkeit von Tumoren. In der pathologischen Diagnostik wird die Untersuchung der Mitose in Gewebeproben eingesetzt, um einzuschätzen zu können, ob sie gutartig oder bösartig sind.

Obwohl die sogenannte Mitosezählung ein wichtiger histologischer Parameter für die Bewertung von Tumoren ist, hat sie eine Schwachstelle, und zwar dort, wo der Mensch ins Spiel kommt. Denn die Pathologinnen und Pathologen müssen nicht nur entscheiden, welcher Teil der Gewebeprobe untersucht wird, sondern sie müssen auch Mitosen von anderen, zum Teil sehr ähnlichen Strukturen, unterscheiden. Das führt beim Befunden immer wieder zur falschen Einschätzung der Zellteilungsaktivität des Tumors.

Jüngste Fortschritte auf dem Gebiet der KI, insbesondere durch Deep Learning, haben die Entwicklung von Hochleistungsalgorithmen ermöglicht, die die Standardisierung der Mitosezählung verbessern können.

Das unterstreicht eine Studie unter Leitung der Vetmeduni. Mittels Gewebeproben von Hunden wurde untersucht, wie algorithmische Vorhersagen Pathologinnen und Pathologen dabei unterstützen können, mitotische Hotspots zu erkennen und die Unterscheidung von Mitosen gegen anderen Zellen zu verbessern. Die Studie wurde vor kurzem in der Fachzeitschrift „Veterinary Pathology“ veröffentlicht.

Entlastung des Gesundheitssystems

„Unsere Ergebnisse zeigen, dass die Unterstützung mit einem genauen Deep-Learning-basierten Modell eine vielversprechende Methode zur Verbesserung der Reproduzierbarkeit und Genauigkeit von Mitosezählungen in histologischen Tumorschnitten ist“, erläutert Studien-Erstautor Christof A. Bertram vom Institut für Pathologie der Vetmeduni.

Die vollständige Computerunterstützung (Unterstützung bei der Auswahl der Untersuchungsareale und bei der Erkennung von Mitosen) war dabei der teilweisen Computerunterstützung, welche sich auf die Auswahl der Untersuchungsareale beschränkte, überlegen.

Bertram zufolge zeigt die Studie auch, „dass die computergestützte Mitosezählung eine wertvolle Methode zur Standardisierung in zukünftigen Forschungsstudien und routinemäßigen diagnostischen Tumorbewertungen mittels digitaler Mikroskopie sein kann.“

Eine genaue und reproduzierbare Krebsdiagnose ist wichtig um eine angemessene Therapie der Tumorpatientinnen und -patienten zu finden. Darüber hinaus könnten Diagnose-Labore von der hybriden Untersuchungsmethode durch eine verbesserte Arbeitseffizienz – zum Beispiel aufgrund der computerunterstützten Vorauswahl der Untersuchungsareale – profitieren, was auch Kostenvorteile bringen und damit das Gesundheitssystem entlasten könnte. (ad)