Heidelberg – Bei Verdacht auf Prostatakrebs können Radiologen mit der Magnetresonanztomographie (MRT) verdächtige Gewebebereiche identifizieren, die gezielt biopsiert werden sollten. Damit ließe sich die Erkennungsrate von Prostatakrebs deutlich steigern. Voraussetzung dafür ist jedoch eine korrekte Beurteilung der MRT-Bilder. Mit künstlicher Intelligenz (KI) könnte diese Befundung noch verbessert werden, wie eine Studie in Radiology zeigt (2019; doi: 10.1148/radiol.2019190938).
Die aufwendige Beurteilung komplexer MRT-Bilder setzt erfahrene Radiologen voraus, um eine hohe Qualität der Diagnostik zu garantieren. „Es besteht daher dringender Bedarf, die Effizienz bei der Interpretation der Bilder zu steigern“, sagt David Bonekamp, Radiologe am Deutschen Krebsforschungszentrum (DKFZ).
Ein Forscherteam aus dem DKFZ und der Urologischen Universitätsklinik Heidelberg konnte nun zeigen, dass KI verdächtige Bereiche in der Prostata-MRT ähnlich sicher identifiziert wie erfahrene Radiologen und diese bei der Beurteilung der Bilder unterstützen kann.
Das am DKFZ entwickelte Verfahren basiert auf einem künstlichen neuronalen Netzwerk, das aus vielen Bildern lernt, woran verdächtige Veränderungen erkannt werden können. Dieses Netzwerk wurde zunächst an den MRT-Aufnahmen einer Gruppe von 250 Patienten trainiert. Anschließend evaluierten die Forscher das fertige Modell in einer unabhängigen Gruppe von 62 Patienten, die es während des Trainings nicht gesehen hatte.
Das Ergebnis: Die Erkennungsrate von klinisch relevantem Prostatakrebs lag für die KI bei 92 %, während die Radiologen 88 % der Patienten erkannten, die an einem klinisch relevanten Tumor erkrankt waren. Von den untersuchten Männern, die tatsächlich krebsfrei waren oder deren Tumoren nicht als behandlungsbedürftig galten, identifizierte die KI 47 % korrekt, die Radiologen 50 %. Die Unterschiede waren jedoch statistisch nicht signifikant.
Automatisch erkannte verdächtige Herde zeigten eine gute Übereinstimmung mit klinischen Läsionen, die die Radiologen definiert hatten. Weiterhin stieg die Wahrscheinlichkeit für das Vorliegen eines klinisch relevanten Karzinoms an, wenn sowohl Radiologen als auch das künstliche neuronale Netzwerk einen verdächtigen Befund gemeinsam als suspekt diagnostizierten.
„Die Ergebnisse zeigen uns, dass die künstliche Intelligenz für die klinische Diagnostik großes Potenzial bereithält“, sagt Bonekamp. In einem nächsten Schritt wollen die Heidelberger Forscher und Ärzte diese und ähnliche Methoden weiterentwickeln und in größeren Gruppen von Patienten validieren, sowie in einer prospektiven Studie erproben, um die Tauglichkeit für den Einsatz im klinischen Alltag zu evaluieren. © gie/aerzteblatt.de