US-Studie

KI verbessert Screening auf Lungenkrebs

Künstliche Intelligenz – basierend auf deep learning – übertrifft offenbar Radiologen bei der Befundung von CT-Bildern zum Lungenkrebs-Screening.

Veröffentlicht:
Mensch und Computer im Wettstreit: In einer Untersuchung hatten bei Lungenkrebs Algorithmen die Nase vorn

Mensch und Computer im Wettstreit: In einer Untersuchung hatten bei Lungenkrebs Algorithmen die Nase vorn

© metamorworks / Getty Images / iStock

MOUNTAIN VIEW. Werden Menschen mit hohem Lungenkrebs-Risiko mit Niedrigdosis-CT gescreent, lässt sich die Mortalität um 20 bis 43 Prozent reduzieren, berichten Forscher um Daniel Tse vom Unternehmen Google in Kalifornien und von der Northwestern University im US-Staat Illinois. Das Verfahren sei in den USA daher in die Leitlinien zur Lungenkrebs-Prävention aufgenommen worden.

Die Wissenschaftler haben jetzt untersucht, ob die CT-Schichtbilder auch mit Künstlicher Intelligenz (KI), basierend auf deep-learning-Algorithmen, ausgewertet werden könnten und ob eine solche KI eine Alternative zur Befundung durch Radiologen wäre.

Zunächst haben sie dazu die Computer-Software trainiert, und zwar mit 42.290 CT-Bildern von 14.851 Patienten. Von diesen hatten 578 im Jahr nach der Untersuchung ein biopsie-bestätigtes Malignom entwickelt (Nature Med. 2019, online 20. Mai). Das KI-System bekam dabei nur Informationen, welche Patienten an Krebs erkrankt waren und welche nicht. Danach wurden unter anderen 6716 CT-Bilder (86 krebs-positiv) sowohl mit KI als auch von sechs Radiologen befundet.

Ergebnis: Die KI war Radiologen bei der Befundung einzelner CT-Scans überlegen und ähnlich Effektiv wie ein Arzt bei multiplen Scans. Insgesamt ließ sich mit KI die Rate richtig-positiver Befunde um fünf Prozentpunkte steigern und die falsch-positiver Befunde um elf Prozentpunkte reduzieren. Mit KI ließen sich also Genauigkeit, Konsistenz und Akzeptanz des Lungenkrebs-Screenings verbessern, so die Forscher. (eis)

Was ist deep learning?

Basis sind künstliche neuronale Netzwerke und große Datenmengen, die es Maschinen erlauben sollen, eine Aufgabe "selbstständig" zu erledigen. Das einfachste Netzwerk ist ein Programm bestehend aus einer Eingabeschicht, einer Zwischenschicht und einer Ausgabeschicht zur Verknüpfung der vorhandenen Daten und Informationsmuster.

Je mehr Schichten zwischen Eingabe und Ausgabe die Signale "filtern", und um so mehr Daten und Beispiele eingespeist und die Ergebnisse nachjustiert werden (Training), umso komplexere Aufgaben kann schließlich ein künstliches neuronales Netzwerk übernehmen.

Wenn ein System aus den Beispielen lernt, Muster zu erkennen, immer wieder mit neuen Inhalten zu verknüpfen und passende Lösungen auszugeben, spricht man auch von deep learning.

Mehr zum Thema

Immuntherapie

Immunabhängige Nebenwirkungen – der Preis der Checkpoint-Blockade

Kooperation | In Kooperation mit: Deutsche Krebsgesellschaft und Stiftung Deutsche Krebshilfe

Relevante Unterschiede

Geschlechtssensibel therapieren in der Onkologie

Kooperation | In Kooperation mit: Deutsche Krebsgesellschaft und Stiftung Deutsche Krebshilfe
Kommentare
Vorteile des Logins

Über unser kostenloses Login erhalten Ärzte und Ärztinnen sowie andere Mitarbeiter der Gesundheitsbranche Zugriff auf mehr Hintergründe, Interviews und Praxis-Tipps.

Haben Sie schon unsere Newsletter abonniert?

Von Diabetologie bis E-Health: Unsere praxisrelevanten Themen-Newsletter.

Das war der Tag: Der tägliche Nachrichtenüberblick mit den neuesten Infos aus Gesundheitspolitik, Medizin, Beruf und Praxis-/Klinikalltag.

Eil-Meldungen: Erhalten Sie die wichtigsten Nachrichten direkt zugestellt!

Newsletter bestellen »

Top-Meldungen

Ergänzung herkömmlicher Modelle

Kalziumscore verbessert Vorhersage stenotischer Koronarien

Lesetipps
Der papierene Organspendeausweis soll bald der Vergangenheit angehören. Denn noch im März geht das Online-Organspende-Register an den Start.

© Alexander Raths / Stock.adobe.com

Online-Organspende-Register startet

Wie Kollegen die Organspende-Beratung in den Praxisalltag integrieren