Maschinenhirn als Diagnostiker: Eine künstliche Intelligenz kann Brustkrebs in Mammografie-Aufnahmen genauso gut erkennen wie ein menschlicher Radiologe. Das belegen Tests mit einem selbstlernenden Computerprogramm, das auf einem komplexen neuronalen Netzwerk beruht. Nach der Trainingsphase lag die Trefferquote der KI bei rund 90 Prozent, wie die Forscher im Fachmagazin „Scientific Reports“ berichten. Die Rate der falschpositiven Diagnosen entsprach ebenfalls der von Medizinern.
Brustkrebs ist die häufigste Krebsart bei Frauen. Weil viele dieser Tumore Metastasen bilden, sterben mehr Frauen an dieser Krebsart als an jedem anderen Tumorleiden. Entsprechend wichtig ist die Früherkennung – unter anderem durch Mammografie. Weil bei diesem Röntgenverfahren jedoch manchmal harmlose Läsionen irrtümlich als Brustkrebs diagnostiziert werden, ist ein Massenscreening umstritten – auch wenn sich einige der falschpositiven Fälle Jahre später doch zum Krebs entwickeln, wie kürzlich eine Studie ergab.
Fehleranfällig trotz Computerhilfe
Um die Auswertung der Mammografie-Bilder zu erleichtern, nutzen Radiologen oft die Hilfe von Computerprogrammen. Diese markieren verdächtige Bereich in den Aufnahmen, die dann vom Mediziner geprüft werden. Dennoch ist die Diagnose sehr aufwändig: „Die Auswertung der Mammografie-Bilder ist monoton, anstrengend, langwierig und vor allem fehleranfällig“, sagen Dezso Ribli von der Eötvös Universität in Budapest und seine Kollegen.
Trotz Computerhilfe schwankt die Treffsicherheit der Diagnosen stark. Nach Angaben der Forscher werden 20 bis 30 Prozent der Brustkrebs-Tumore bei der Mammografie übersehen, der Anteil der falschpositiven kann im Extremfall ebenfalls bis fast 30 Prozent reichen. Um das zu ändern, haben die Wissenschaftler nun eine künstliche Intelligenz darauf trainiert, Brustkrebs in Mammografie-Aufnahmen zu erkennen – ohne Mithilfe oder nachträgliche Überprüfung durch den Menschen.
Trefferquote 90 Prozent
Das auf einem komplexen, mehrschichtigen neuronalen Netzwerk basierende Programm lernte zunächst an markierten Aufnahmen von Tumoren und gutartigen Veränderungen, beides zu unterscheiden. Dann testeten die Forscher an nicht markierten Aufnahmen von 115 Brustkrebspatientinnen die Trefferquote der KI.
Das Ergebnis: Die künstliche Intelligenz diagnostizierte 90 Prozent der bösartigen Gewebeveränderungen korrekt – die Sensitivität seiner Diagnose lag damit sogar leicht höher als bei menschlichen Radiologen, wie die Forscher berichten. Bei diesen liegt die Sensitivität bei 77 bis 87 Prozent, die Spezifität bei 89 bis 97 Prozent. Auch bei den Falschpositiven schnitt die KI nicht schlechter ab als die Mediziner.
KI könnte Diagnose optimieren
Nach Ansicht der Wissenschaftler könnte demnach künstliche Intelligenz in Form von selbstlernenden neuronalen Netzwerken die Brustkrebs-Diagnose besser und effektiver machen. In vielen Beispielen habe sich bereits gezeigt, dass solche Systeme bei der Erkennung spezifischer Objekte und Strukturen besonders leistungsfähig und hilfreich seien.
„Unser Ergebnis zeigt, dass die Detektion von Tumoren im Mammogramm sich für eine KI kaum von solchen Objekterkennungs-Aufgaben unterscheidet“, konstatieren Ribli und seine Kollegen. „Die teuren, herkömmlichen Computersysteme sollte daher mit den Deep Learning-basierten Detektionsmethoden ersetzt werden.“ Das würde ihrer Ansicht nach Radiologen die Arbeit erleichtern und könnte die Brustkrebs-Diagnose noch treffsicherer machen. (Scientifc Reports, 2018; (Nature, 16.03.2018 – NPO)
