Lassen Sie die im Krankenhaus aufgenommenen Röntgenaufnahmen von einer KI überprüfen!

Import:

Im Alltag sind Kontrolluntersuchungen im Krankenhaus unvermeidlich. Aber wissen Sie es? KI hat still und leise Einzug in den medizinischen Diagnoseprozess gehalten und beteiligt sich am Kampf zum Schutz der menschlichen Gesundheit.

In diesem Abwehrkampf schnitt die KI insbesondere bei der medizinischen Bilderkennung gut ab. Als Nächstes beginnen wir mit der KI-Bilderkennung und sehen, wie KI und medizinische Versorgung Technologie in die Praxis umsetzen und der Gesellschaft dienen können.

Schwierigkeiten bei der medizinischen Bilderkennung:

Wenn wir zur medizinischen Behandlung oder körperlichen Untersuchung ins Krankenhaus gehen, erhalten wir möglicherweise eine große Röntgen-, CT- oder MRT-Aufnahme, aber es ist nicht einfach, diese medizinischen Bilder effizient und genau zu interpretieren.

Bei der Aufnahme von CT-Bildern und MRT-Bildern wird tatsächlich nicht nur ein Bild aufgenommen, sondern es werden Dutzende oder Hunderte von Bildern gleichzeitig gescannt. Die Radiologen filtern dann aus der Vielzahl der Bilder die wahrscheinlichsten Läsionen heraus und geben sie zur Referenz an andere Ärzte weiter, was äußerst zeitaufwändig ist.

Laut dem „White Paper zu medizinischer KI-Technologie und -Anwendung 2018“ wachsen die medizinischen Bildgebungsdaten meines Landes jedes Jahr um 30 %, während die Zahl der Ärzte, die sich mit medizinischer Bildgebung befassen, jedes Jahr nur um 4,1 % wächst. Es ist nicht ungewöhnlich, dass ein Radiologe in einem Krankenhaus der tertiären Versorgung täglich Zehntausende medizinischer Bilder überprüft.

Bei einer so hohen Arbeitsbelastung passieren selbst gut ausgebildeten Ärzten zwangsläufig Fehler.

Und selbst mit medizinischer Bildgebung sind manche Krankheiten im Frühstadium schwer zu diagnostizieren. Nehmen wir Lungenkrebs als Beispiel. Laut Daten der Internationalen Agentur für Krebsforschung (IARC) aus dem Jahr 2022 ist Lungenkrebs die Krebsart mit der höchsten Inzidenz und Mortalität in China.

Laut dem „Chinesischen Expertenkonsens zur Diagnose von Lungenkrebs im Frühstadium (Ausgabe 2023)“ kann die Fünfjahresüberlebensrate 77–92 % erreichen, wenn Lungenkrebs im Frühstadium (Stadium I) diagnostiziert und aktiv behandelt wird. Wird die Krankheit jedoch erst im Stadium III bis IV diagnostiziert, beträgt die Fünfjahresüberlebensrate nur 10 bis 36 Prozent.

Lungenkrebs im Stadium I weist jedoch keine offensichtlichen klinischen Symptome auf und ist anhand von Röntgenaufnahmen nur schwer zu erkennen. Dabei werden Spiral-CT-Scans mit niedriger Dosis verwendet, was von den Radiologen eine sorgfältige Unterscheidung zwischen einer großen Anzahl von CT-Bildern erfordert. In den frühen Stadien von Lungenkrebs sind einige Läsionen mit gutartigen Knoten vermischt und schwer zu unterscheiden.

KI kann es besser:

Nach dem Aufkommen von Convolutional Neural Networks (CNN) hat die KI im Bereich der Bilderkennung schnelle Fortschritte gemacht. Gleichzeitig kann KI mithilfe von Deep-Learning-Algorithmen beschriftete medizinische Bilder zum Lernen verwenden und so menschliche Ärzte bei der Diagnosestellung unterstützen. Bei der Diagnose bestimmter Krankheiten sind ihre Leistungen sogar mit denen menschlicher Spitzenexperten vergleichbar.

So zeigte beispielsweise eine Studie aus dem Jahr 2019 die Vorteile von KI bei der Früherkennung von Lungenkrebs.

Die Forscher nutzten Daten von mehr als 45.000 markierten CT-Thorax-Scans, um den Algorithmus zu trainieren. Nach Abschluss des Trainings baten die Wissenschaftler das KI-Modell, neue CT-Bilder zu analysieren und verglichen die Ergebnisse mit denen von sechs professionellen Radiologen.

Die Ergebnisse zeigten, dass die Rate der Fehldiagnosen bei KI um 5 % niedriger war als bei menschlichen Ärzten. Auch die Falsch-Positiv-Rate der KI ist um 11 % niedriger als die menschlicher Ärzte. Unter einem falsch positiven Ergebnis versteht man eine Situation, in der bei einer Person kein Lungenkrebs vorliegt, aber fälschlicherweise eine solche Diagnose gestellt wird. Dies zeigt, dass die Erkennungsgenauigkeit dieses KI-Modells der von professionellen menschlichen Ärzten in nichts nachsteht.

Sollte sich ein solches Modell durchsetzen, würde es die Arbeitsbelastung der Ärzte zweifellos erheblich verringern und mehr Menschen eine möglichst frühzeitige Behandlung ermöglichen.

Und die Popularisierung dieser Technologie hat bereits begonnen.

Im Jahr 2021 haben einige tertiäre Krankenhäuser unseres Landes KI-gestützte Diagnosesysteme für kleine Lungenknötchen eingeführt. Dieses System kann feststellen, ob es sich bei den Knoten in CT-Bildern um Lungenkrebsläsionen handelt, und es kann kleine Knoten identifizieren, die mit bloßem Auge nicht zu erkennen sind, und so den Ärzten dabei helfen, genauere Beurteilungen vorzunehmen.

Erwähnenswert ist, dass dieses System im Januar 2024 erstmals in zwei Basiskrankenhäusern erprobt wurde: im Xinhua-Krankenhaus im Bezirk Tongzhou in Peking und im Yongledian Community Health Service Center. Wenn ein solches System in den Basiskrankenhäusern populär gemacht werden kann, wird es das Problem der unausgewogenen medizinischen Ressourcen erheblich lindern.

Natürlich haben wir bisher nur das Beispiel der Früherkennung von Lungenkrebs angeführt. KI kann noch viel mehr. Es kann eine wichtige Rolle bei der Diagnose von Brustkrebs, der Untersuchung diabetischer Retinopathie, der Fotoerkennung von Hautkrankheiten, der Diagnose und dem Screening von Herz-Kreislauf- und zerebrovaskulären Erkrankungen usw. spielen.

Das Aufkommen KI-gestützter Diagnosen könnte die Medizin- und Gesundheitsbranche stark verändern und die Gesundheit der Menschen schützen.

Die KI-Bilderkennung weist noch Defizite auf:

Es ist unbestreitbar, dass die Genauigkeit der KI-Erkennung von qualitativ hochwertigen gekennzeichneten Daten abhängt. Die Kennzeichnung medizinischer Bilddaten unterscheidet sich stark von der allgemeinen Datenkennzeichnung.

Beispielsweise können normale Menschen den Trainingsdatensatz für selbstfahrende Autos mit Anmerkungen versehen, da normale Menschen Objekte wie Straßen, Ampeln, Fußgänger, Fahrräder usw. in Bildern problemlos unterscheiden können.

Allerdings ist die Kennzeichnung medizinischer Bilddaten auf erfahrene Ärzte angewiesen, was die Beschaffung von Trainingsdaten erschwert.

Allerdings ist die medizinische Bilderkennung und -analyse ein relativ neues Forschungsgebiet. Weltweit forschen zahlreiche Wissenschaftler auf diesem Gebiet. Verbände wie MICCAI haben zudem eine große Zahl von Experten aus den Bereichen Informatik, Medizin, Ingenieurwissenschaften und Physik integriert und verfassen jedes Jahr Tausende wissenschaftlicher Arbeiten.

Ich bin überzeugt, dass die KI-Technologie auch in Zukunft die Entwicklung der Medizin- und Gesundheitsbranche vorantreiben wird und so mehr Menschen eine bessere medizinische Versorgung ermöglichen wird.

Quellen:

Han B, Zheng R, Zeng H, et al. Krebsinzidenz und -mortalität in China, 2022[J]. Journal des National Cancer Center, 2024, 4(1): 47-53.

Chinesische Gesellschaft für Atemwegsmedizin. (2023). Chinesischer Expertenkonsens zur Diagnose von frühem Lungenkrebs (Ausgabe 2023). Chinesisches Journal für Tuberkulose und Atemwegserkrankungen, 46(1), 1-18.

Liu Yunqin, Li Shengjin. Forschungsfortschritte bei der Früherkennung von Lungenkrebs[J]. Fortschritte in der klinischen Medizin, 2024, 14: 2406.

Ardila D, Kiraly AP, Bharadwaj S, et al. End-to-End-Lungenkrebs-Screening mit dreidimensionalem Deep Learning auf der Niedrigdosis-Computertomographie des Brustkorbs[J]. Nature Medicine, 2019, 25(6): 954-961.

Whitepaper 2018 zu medizinischer KI-Technologie und -Anwendung

Autor: Yunjiyu Science Creation Team

Gutachter: Qin Zengchang, Außerordentlicher Professor, Fakultät für Automatisierungswissenschaft und Elektrotechnik, Beihang-Universität

Der Artikel wurde vom Science Popularization China-Creation Cultivation Program erstellt. Bei Nachdruck bitten wir um Quellenangabe.