KI kann Hirntumore viel präziser klassifizieren als medizinisches Fachpersonal.
Bildrechte: picture-alliance/ dpa | Rolf Vennenbernd

Präzise Diagnose von Hirntumoren durch künstlicher Intelligenz

    Präzise Diagnose von Hirntumoren durch künstliche Intelligenz

    Mit maschinellem Lernen gegen Krebs? KI kann Hirntumore präziser klassifizieren als medizinisches Fachpersonal. Die menschliche Intelligenz hingegen ist in manchen Fragen der Tumor-Diagnostik der Maschine trotzdem überlegen.

    Eine Studie der Karl Landsteiner Privatuniversität für Gesundheitswissenschaften (KL Krems) zeigt, dass Hirntumore und damit die Wahl optimaler Behandlungsoptionen durch den Einsatz künstlicher Intelligenz präziser klassifiziert werden als von Fachpersonal.

    Hirntumore lassen sich zwar leicht durch Magnetresonanztomographie (MRT) diagnostizieren, ihre genaue Klassifizierung ist jedoch schwierig. Doch genau das ist entscheidend für die Auswahl der bestmöglichen Behandlungsoptionen. Nun hat ein internationales Team unter der Leitung der KL Krems Daten aus modernen MRT-Verfahren als Grundlage für Protokolle des maschinellen Lernens (ML) verwendet und den Einsatz künstlicher Intelligenz zur Klassifizierung von Hirntumoren bewertet. Das Ergebnis zeigt, dass in bestimmten Bereichen die Klassifikation mit künstlicher Intelligenz ausgebildeten Fachkräften überlegen sein kann.

    Die Daten von Rund 170 Patienten wurden untersucht

    Das Team rund um Prof. Andreas Stadlbauer nutzte für die Studie sowohl fortgeschrittene als auch physiologische MRT-Daten. Untersucht wurden die Daten von 167 früheren Patienten, die einen der fünf häufigsten Hirntumoren mit einer genauen Klassifizierung aufwiesen. In einem Verfahren wurden insgesamt 135 sogenannte Klassifikatoren generiert. Das sind mathematische Funktionen, die das zu untersuchende Material bestimmten Kategorien zuordnen. Dabei haben die Wissenschaftler zum erstem Mal auch Daten aus physiologischen MRTs berücksichtigt. Dazu gehörten Details wie Gefäßdurchmesser oder -dichte sowie Informationen zur Versorgung des Tumorgewebes mit Sauerstoff.

    Die Algorithmen übertreffen die menschliche Bewertungsergebnisse

    Das Team nennt die Kombination von Daten aus verschiedenen MRT-Methoden mit Multiclass ML "Radiophysiomics". Dabei wurden die nun eingesetzten Multiclass-ML-Algorithmen mit entsprechenden MRT-Daten von 20 aktuellen Hirntumorpatienten gefüttert und die Ergebnisse der so gewonnenen Klassifizierungen mit denen zweier Radiologen verglichen. Die beiden besten ML-Algorithmen übertrafen die menschlichen Bewertungsergebnisse in den Bereichen Genauigkeit und Präzision. Allerdings erwiesen sich die menschlichen Bewertungen in Bezug auf die Sensitivität und Spezifität der Bewertung als genauer als die getestete KI.

    Die Methode soll nur eine Ergänzung sein

    Laut Prof. Stadlbauer wird hier auch deutlich, dass der ML-Ansatz kein Ersatz für die Klassifizierung durch qualifiziertes Personal sein soll, sondern eher eine Ergänzung. Ob sich ein solches System etablieren wird, hängt laut dem wissenschaftlichem Team in erster Linie von dessen Akzeptanz bei Radiologen ab. Denn sie haben aktuell noch Bedenken, dass die KI ihre Arbeit übernehmen könnte.

    "Hier ist Bayern": Der BR24 Newsletter informiert Sie immer montags bis freitags zum Feierabend über das Wichtigste vom Tag auf einen Blick – kompakt und direkt in Ihrem privaten Postfach. Hier geht’s zur Anmeldung!