Steckbrief „Pink Killer“: Die Fähigkeit der KI, Bruströntgenbilder zu lesen, ist mit der von Ärzten vergleichbar

Laut Statistiken der Weltgesundheitsorganisation gab es im Jahr 2020 weltweit 2,3 Millionen Neuerkrankungen an Brustkrebs. Damit ist Brustkrebs die häufigste Krebsart und hat Lungenkrebs überholt.

Wenn es jedoch gelingt, den Krebs frühzeitig zu erkennen und umgehend zu behandeln, indem die Krebszellen abgetötet werden, bevor der Tumor metastasiert, kann die Sterblichkeitsrate bei Brustkrebs erheblich gesenkt werden. Derzeit wird zur Erstvorsorge bei Brustkrebs üblicherweise eine Röntgenaufnahme der Brust verwendet. Anschließend beurteilt der Arzt den Gesundheitszustand der Brust durch Analyse und Überprüfung der Röntgenaufnahmen. Der Überprüfungsprozess wird jedoch viel Zeit in Anspruch nehmen und die Behandlung anderer Patienten beeinträchtigen.
Zu diesem Zweck verglichen Forscher der britischen Universität Nottingham die Fähigkeiten kommerzieller KI und von Ärzten, Bruströntgenbilder zu lesen, und lieferten so neue Ideen für die Anwendung von KI in der klinischen Medizin.

Autor | Xuecai

Herausgeber | Drei Schafe, Eisenturm

Dieser Artikel wurde zuerst auf der öffentlichen HyperAI WeChat-Plattform veröffentlicht~

Laut Statistiken der American Cancer Society wird die Zahl der neuen Krebsfälle unter amerikanischen Frauen im Jahr 2022 bei etwa 930.000 liegen, davon werden etwa 290.000 neue Brustkrebspatientinnen sein, was 31 % entspricht. Gleichzeitig ist Brustkrebs für 15 % aller Krebstodesfälle verantwortlich und liegt damit nur noch hinter Lungenkrebs.

Abbildung 1: Anzahl der neuen Krebsfälle (oben) und Krebstodesfälle (unten) in den Vereinigten Staaten im Jahr 2022

In China ist Brustkrebs im 21. Jahrhundert die häufigste Krebserkrankung bei weiblichen Patienten , und die Zahl der Neuerkrankungen steigt jedes Jahr.

Abbildung 2: Anzahl der neuen Krebsfälle bei chinesischen Frauen von 2000 bis 2016, wobei die graue Farbe die Fälle von Brustkrebs darstellt

Brustkrebs ist eine Krankheit, bei der abnormale Brustzellen unkontrolliert wachsen und Tumore bilden. Wird nicht rechtzeitig eingegriffen, kann der Tumor metastasieren und sich ausbreiten, was letztendlich zu einer Lebensgefahr wird. Wenn jedoch lokale Tumore im Frühstadium der Krebserkrankung erkannt und mit der Behandlung begonnen werden, kann die Fünfjahresüberlebensrate bei Krebs 99 % erreichen.

Derzeit führen Krankenhäuser das erste Brustkrebs-Screening in der Regel mittels Mammographie durch. Allerdings kann es bei der Erstuntersuchung zu falsch positiven Ergebnissen kommen, was zu unnötigen Tests bei Patienten führt, die keinen Krebs haben. Es kann auch zu Auslassungen kommen, wodurch sich der optimale Behandlungszeitpunkt für die Patienten verzögert.

Aus diesem Grund werden in vielen europäischen Ländern Mammogramme überprüft, um möglichst viele falsch-positive Fälle auszuschließen. Diese Methode ist wirksam, reduziert falsch-positive Ergebnisse und erhöht die Krebserkennungsrate um 6–15 %.

Allerdings nimmt das Lesen und Auswerten von Röntgenaufnahmen viel Zeit in Anspruch. In Gegenden mit einem niedrigen Arzt-Patienten-Verhältnis nimmt die Überprüfung von Röntgenaufnahmen nicht nur die Zeit der Ärzte in Anspruch, sondern beeinträchtigt auch die frühzeitige Untersuchung anderer Patienten.

Durch den Einsatz von KI konnte die Arbeitsbelastung der Ärzte teilweise verringert werden. Es erscheint jedoch unsicher, der KI die Beurteilung von Leben und Gesundheit anzuvertrauen. Professor Yan Chen von der Universität Nottingham im Vereinigten Königreich sagte hierzu: „Es besteht großer Druck, KI in der klinischen Medizin einzusetzen, aber wir müssen es gut machen, um die Gesundheit der Frauen zu schützen.“

Zu diesem Zweck verglich das Team von Yan Chen die Genauigkeit der kommerziellen KI Lunit mit der von Ärzten, die Mammogramme lesen. **Die Ergebnisse zeigen, dass Lunits Fähigkeit zur Analyse von Mammogrammen mit der menschlicher Ärzte vergleichbar ist. **Dieses Ergebnis wurde in „Radiology“ veröffentlicht.

Link zum Artikel:

https://pubs.rsna.org/doi/10.1148/radiol.223299#_i13

Versuchsdurchführung

Datensatz: PERFORMS-Datensatz

Für diese Studie wurden zwei PERFORMS-Datensätze als Testsätze für das Modell ausgewählt. Jeder PERFORMS-Datensatz besteht aus 60 anspruchsvollen Röntgenaufnahmen, darunter bösartige Tumoren (etwa 35 %), gutartige Tumoren und normale Ergebnisse. Der PERFORMS-Datensatz wird seit 30 Jahren für Eingangstests und Routineuntersuchungen von Ärzten im britischen Brustkrebs-Screening-Programm (NHSBSP) verwendet.

Bewertungskriterien: Benotung + Punktevergabe

Bei der Analyse der Röntgenaufnahmen markieren Ärzte verdächtige Stellen und vergeben schließlich eine Bewertung von 1 bis 5, was normal, gutartig, unsicher, verdächtig und bösartig entspricht.

Die KI bewertet die Verdächtigkeit jedes Merkmals der Röntgenaufnahme auf einer Skala von 1 bis 100 , wobei die höchste Punktzahl als Punktzahl für die gesamte Röntgenaufnahme gilt. Liegen keine verdächtigen Merkmale vor, werden 0 Punkte vergeben.

Abbildung 3: Ärzte und KI-Analyse von Brust-Röntgenbildern

A: Der blaue Pfeil zeigt eine unbekannte Masse mit einem Durchmesser von 8 mm, die später als histologisches duktales Karzinom Grad 2 identifiziert wurde;

B: Das rote Kreuz ist das von der KI entdeckte abnormale Merkmal und der blaue Punkt ist der verdächtige Bereich, den der Arzt während der Analyse markiert hat.

Vergleichsergebnisse: Spezifität + Sensitivität

Insgesamt nahmen 552 Ärzte am Wettbewerb teil, was 68 % der Gesamtzahl der NHSBSP entspricht, darunter 315 Radiologen, 206 Röntgenassistenten und 31 Kliniker.

Nach der Analyse zweier PERFORMS-Datensätze kamen sie zu dem Schluss, dass 161 Mammogramme normal waren, 70 bösartige Tumore aufwiesen und 9 gutartig waren. Zu den häufigsten Merkmalen der Bösartigkeit gehörten Masse (64,3 %), Verkalkung (12,9 %), Asymmetrie (11,4 %) und architektonische Verzerrung (11,4 %) bei einer mittleren Läsionsgröße von 15,5 ± 9,2 mm.

Tabelle 1: Ergebnisse zum PERFORMS-Datensatz

Die mittlere AUC für die menschliche Gruppe betrug 0,88. Die AUC der AI-Gruppe betrug 0,93, was dem 96,8. Perzentil der menschlichen Gruppe entspricht, es gab jedoch keinen signifikanten Unterschied in den AUCs der beiden Gruppen.

Abbildung 4: AUC-Histogramm der Ärztegruppe und AUC von AI (gelbe Linie)

Die mittlere Sensitivität und Spezifität in der menschlichen Gruppe betrugen 90 % bzw. 76 %. Bei den von den Entwicklern empfohlenen Schwellenwerten betrugen die Sensitivität und Spezifität der KI 84 % bzw. 89 %.

Tabelle 2: Beurteilungsergebnisse der Ärztegruppe und der KI mit unterschiedlichen Schwellenwerten

TP: richtig positiv;

FP: falsch positiv;

TN: wahr-negativ;

FN: falsch negativ;

Sensitivität = TP / Gesamtzahl der positiven Ergebnisse;

Spezifität = TN / Gesamtzahl der Negative.

In der ROC-Kurve der AI lagen die Leistungen von 52 % der Ärzte über der Kurve, 36 % unter der Kurve und 12 % entsprachen der ROC-Kurve.

Abbildung 5: ROC-Kurve der KI, wobei die blauen Punkte die Leistung verschiedener Ärzte darstellen

Als der KI-Schwellenwert bei 3,06 lag, stimmte die Sensitivität der KI mit der der Ärzte überein: Sie erkannte 63 bösartige Tumore und übersah nur 7. Zu diesem Zeitpunkt unterschied sich die Spezifität der KI nicht signifikant von der der Ärzte.

Bei einem Schwellenwert von 2,91 wies die KI eine mit der Ärztegruppe übereinstimmende Spezifität und eine Sensitivität von 91 % auf. Die obigen Ergebnisse zeigen, dass die Sensitivität und Spezifität der KI von Lunit bei der Analyse von Bruströntgenbildern mit denen menschlicher Ärzte vergleichbar sind.

Abbildung 6: Der Einfluss unterschiedlicher Schwellenwerte auf die KI-Beurteilungsergebnisse

A: Der blaue Pfeil zeigt einen asymmetrischen Bereich an, der später als histologisches duktales Karzinom Grad 2 identifiziert wurde;

B: Erkennungsergebnisse, wenn der AI-Schwellenwert 2,91 beträgt und das rote Kreuz schließlich als echtes Positiv identifiziert wird;

C: Bei den Testergebnissen, als der AI-Schwellenwert 3,06 betrug, wurden keine offensichtlichen abnormalen Merkmale gefunden.

Professor Yan Chen sagte: „ Die Ergebnisse dieser Studie liefern starke Beweise für das KI-Screening und zeigen, dass das Analyseniveau von Mammogrammen durch KI mit dem menschlicher Ärzte vergleichbar ist .“

Brustkrebs: der versteckte rosa Killer

Am Weltkrebstag am 4. Februar 2021 gab die Internationale Agentur für Krebsforschung der Weltgesundheitsorganisation (WHO) bekannt, dass es im vergangenen Jahr 2,3 Millionen neue Fälle von Brustkrebs gab, was 11,7 % entspricht und damit erstmals die Zahl der Neuerkrankungen an Lungenkrebs übersteigt , wodurch die Krankheit zu einem „versteckten rosa Killer“ wurde.

Gleichzeitig ist die Gruppe mit der höchsten Brustkrebsrate bei Frauen in Ländern mit hohem Einkommen vertreten, während die Erkrankungsrate bei Frauen in Ländern mit mittlerem und niedrigem Einkommen deutlich niedriger ist. Darüber hinaus treten etwa 0,5–1 % der Brustkrebserkrankungen bei Männern auf.

Allerdings ist die Sterblichkeitsrate bei Brustkrebs selbst nicht hoch. Von 2016 bis 2020 wurde bei 8 Millionen Frauen Brustkrebs diagnostiziert, die die Krankheit überlebten – mehr als bei jeder anderen Krebsart.

Derzeit fördert die WHO die Global Breast Cancer Action auf der ganzen Welt in der Hoffnung, durch Früherkennung, rechtzeitige Diagnose und umfassende Brustkrebsbehandlung die Zahl der Todesfälle durch Brustkrebs weltweit zu senken.

Abbildung 7: KI-gestütztes Brustkrebs-Screening

Als leistungsstarkes Instrument für die Erstvorsorge bei Brustkrebs kann KI die frühen Anzeichen von Brustkrebs rechtzeitig erkennen und dürfte so den „Pink Killer“ im Keim ersticken. Allerdings ist es möglicherweise noch zu früh, KI in der klinischen Praxis in großem Maßstab zu fördern, da Änderungen in der Umgebung und im Algorithmus selbst weiterhin Auswirkungen haben werden, was dazu führen wird, dass die Sensitivität und Spezifität der KI mit der Zeit abnimmt.

Professor Yan Chen ist außerdem der Ansicht, dass „wir, sobald KI in die klinische Anwendung gelangt, über einen Mechanismus verfügen müssen, um sie kontinuierlich zu bewerten und zu überwachen.“ Nun werten Forschungsteams aus aller Welt die Erkennungsergebnisse der KI aus und kommen zu zufriedenstellenden Ergebnissen. Mithilfe effizienter KI und eines soliden Regulierungsmechanismus werden sich künftig alle Arten von Krankheiten nirgendwo mehr verstecken können und unsere Gesundheit wird besser geschützt sein.

Referenzlinks:

[1]https://acsjournals.onlinelibrary.wiley.com/doi/10.3322/caac.21708

[2]https://www.sciencedirect.com/science/article/pii/S2667005422000047

Dieser Artikel wurde zuerst auf der öffentlichen HyperAI WeChat-Plattform veröffentlicht~