KI-Plattform übertrifft bisherige Modelle zur Vorhersage des Krebsrisikos

Neue Daten legen nahe, dass künstliche Intelligenz Muster identifizieren kann, die auf die Entwicklung von Brustkrebs hinweisen.

Ein Forscherteam des Massachusetts Institute of Technology (MIT) hat festgestellt, dass eine Plattform mit künstlicher Intelligenz für Deep Learning eine hohe Erfolgsquote bei der Erkennung des Brustkrebsrisikos aufweist.

WARUM DIES SO WICHTIG IST

Das Modell identifizierte rückblickend Frauen mit hohem Brustkrebsrisiko aus fast 90.000 vorhergehenden Mammographien, die am Massachusetts General Hospital (MGH) durchgeführt wurden.

Das Deep-Learning-Modell konnte 31 Prozent aller Patientinnen, die später an Brustkrebs erkrankten, richtig einordnen, verglichen mit nur 18 Prozent, die mit dem vorhandenen Tyrer-Cuzick-Modell erzielt wurden.

Die Studie zeigt, dass ein auf Mammographie basierendes Deep-Learning-Modell eine genauere Risikovorhersage liefern konnte, indem es Muster identifiziert, die auf Brustkrebs hinweisen.

„Wir gehen davon aus, dass es subtile, aber informative Hinweise auf Mammogrammen gibt, die für den Menschen möglicherweise nicht erkennbar sind, oder einfache Messungen des Dichtevolumens. Deep Learning (DL) kann diese Hinweise nutzen, um verbesserte Risikomodelle zu erhalten", erklärte die veröffentlichte Studie.

Obwohl die mammographische Dichte die Genauigkeit von Brustkrebs-Risikomodellen verbessert, ist die Verwendung der Brustdichte durch subjektive Beurteilung, Variationen unter Radiologen und eingeschränkte Daten begrenzt.

Anstatt unterschiedliche Bildmuster manuell zu identifizieren, verließ sich das Team auf sein maschinelles Lernmodell, um diese Muster direkt aus den Daten zu ermitteln.

Das Mammographie-basierte Deep-Learning-Modell des Forscherteams konnte eine genauere Risikovorhersage liefern, und das Hybrid-DL-Modell ist für weiße und afroamerikanische Frauen gleichermaßen genau - eine weitere Verbesserung gegenüber dem Tyrer-Cuzick-Modell.

DER GRÖSSERE TREND

„Seit den 1960er Jahren stellten Radiologen fest, dass Frauen einzigartige und sehr unterschiedliche Muster von Brustgewebe haben, die auf der Mammographie sichtbar sind", erklärte Constance Lehman, Professorin für Radiologie an der Harvard Medical School, gegenüber der Zeitschrift News-Medical. „Diese Muster können den Einfluss von Genetik, Hormonen, Schwangerschaft, Stillzeit, Ernährung, Gewichtsverlust und Gewichtszunahme darstellen. Wir können diese detaillierten Informationen jetzt nutzen, um bei unserer Risikobewertung auf individueller Ebene genauer zu sein.“

Die Studie umfasste Frauen, bei denen entweder innerhalb von 5 Jahren Brustkrebs diagnostiziert wurde oder die mindestens 5 Jahre ab dem Datum der Index-Mammographie nachuntersucht wurden. 

Zu den Risikofaktoren, die im hybriden Modell des Deep Learning verwendet wurden, gehörten unter anderem Alter, Gewicht, Größe, Wechseljahrsstatus, eine detaillierte Familiengeschichte von Brust- und Eierstockkrebs, BRCA-Mutationsstatus und Brustdichte.

Ein in der Zeitschrift 'Radiology' veröffentlichter Leitartikel argumentierte zur Unterstützung der Forschung mit der These, dass bei der Beurteilung des Krebsrisikos durch Mammographien das Deep-Learning den herkömmlichen Risikomodellen überlegen sei.

Ein Bericht der 'Radiological Society of North America' (RSNA) vom April zeigte, dass KI und maschinelle Lerntechnologien die medizinische Bildgebung in mehrfacher Hinsicht ebenfalls verbessern konnten.

Die Studie stellte fest, dass bereits KI-Systeme entwickelt werden, um die medizinische Bildrekonstruktion zu verbessern, um das Rauschen zu reduzieren und um die Qualitätssicherung zu gewährleisten, sowohl mit computergestützter Erkennung als auch mit computergestützter Klassifizierung und Radiogenomik.

Jede dieser Technologien könnte dazu verwendet werden, um Datensätze, Datentechnik und Datenwissenschaft zu verbessern, die zum erfolgreichen Einsatz von KI-Anwendungen in der medizinischen Bildgebung führen würden.


###
Dies ist eine Übersetzung eines Artikels von Nathan Eddy, erschienen bei Healthcare IT News.

KI-unterstützte Herzinfarkt-Diagnose

UKE entwickelt Risiko-Kalkulator

Genant und doch erkannt!

Digitale Konsultation des „Intimarzts“

Es wird persönlich!

„KI made in Germany“: Erstmals Digitaler Zwilling auf dem Digital-Gipfel