Sonntag, 29. November 2020
Navigation öffnen
Medizin

10. Oktober 2019 Prostatakrebs: Künstliche Intelligenz erkennt verdächtige Bereiche in der Prostata-MRT ähnlich gut wie Radiologen

Bei Verdacht auf ein Prostatakarzinom hält die Magnetresonanztomographie (MRT) zunehmend Einzug in den diagnostischen Prozess. Die MRT kann verdächtige Gewebebereiche identifizieren, die gezielt biopsiert werden sollten, und damit die Erkennungsrate von Prostatakrebs deutlich steigern. Die Beurteilung der MRT-Bilder ist komplex und erfordert erfahrene Radiologen. Ein Forscherteam aus dem Deutschen Krebsforschungszentrum (DKFZ) und der Urologischen Universitätsklinik Heidelberg konnte nun zeigen, dass künstliche Intelligenz verdächtige Bereiche in der Prostata-MRT ähnlich sicher identifiziert wie erfahrene Radiologen und diese bei der Beurteilung der Bilder unterstützen kann.
Anzeige:
Tecentriq HCC
Tecentriq HCC
 
In den letzten Jahren wird die MRT der Prostata in bestimmten Situationen immer häufiger eingesetzt. Mit dem bildgebenden Verfahren können Ärzte verdächtige Krebsherde aufspüren und anschließend mit Hilfe einer gezielten Biopsie näher untersuchen. Außerdem kann die MRT dabei helfen, solche Patienten zu identifizieren, die keinen klinisch bedeutsamen Tumor haben - und ihnen so unnötige Biopsien ersparen. Die MRT-Bildgebung hat bereits heute die Diagnostik von Prostatakrebs verbessert und wird daher in Zukunft noch häufiger eingesetzt werden. Doch die aufwändige Beurteilung der komplexen 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.

Mit dem Ziel, das Potential der künstlichen Intelligenz zur Unterstützung der Radiologen bei der klinischen Befundung von MRT-Bildern zu nutzen und eine hohe Qualität der Befundung zu garantieren, haben sich Radiologen und Informatiker am DKFZ und Urologen vom Universitätsklinikum Heidelberg um Patrick Schelb, David Bonekamp, Heinz-Peter Schlemmer, Simon Kohl, Klaus Maier-Hein, Jan Philipp Radtke und Markus Hohenfellner zusammengetan. Das Team konnte nun zeigen, dass die Erkennungsrate von verdächtigen MRT-Befunden durch künstliche Intelligenz vergleichbar zu der Erkennungsrate durch die Radiologen ist.

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 künstliche Intelligenz bei 92 Prozent, während die Radiologen 88 Prozent 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 künstliche Intelligenz 47 Prozent korrekt, die Radiologen 50 Prozent. 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.
 

Quelle: Deutsches Krebsforschungszentrum

Literatur:

Patrick Schelb, Simon Kohl, Jan Philipp Radtke, Classification of prostate cancer on MRI: Deep learning vs. clinical PI-RADS assessment, Radiology 2019, DOI: https://doi.org/10.1148/radiol.2019190938


Anzeige:
Zynteglos
Zynteglos

Sie können folgenden Inhalt einem Kollegen empfehlen:

"Prostatakrebs: Künstliche Intelligenz erkennt verdächtige Bereiche in der Prostata-MRT ähnlich gut wie Radiologen"

Bitte tragen Sie auch die Absenderdaten vollständig ein, damit Sie der Empfänger erkennen kann.

Die mit (*) gekennzeichneten Angaben müssen eingetragen werden!

Die Verwendung Ihrer Daten für den Newsletter können Sie jederzeit mit Wirkung für die Zukunft gegenüber der rsmedia GmbH widersprechen ohne dass Kosten entstehen. Nutzen Sie hierfür etwaige Abmeldelinks im Newsletter oder schreiben Sie eine E-Mail an: info[at]rsmedia-verlag.de.


ESMO Virtual Congress 2020
  • Fortgeschrittenes Melanom nach Versagen einer PD-(L)1-Inhibition: Vielversprechende Antitumoraktivität mit Pembrolizumab + Lenvatinib
  • Pembrolizumab + Lenvatinib: Vielversprechende Ansprechraten bei vorbehandelten fortgeschrittenen Tumoren
  • HNSCC: Pembrolizumab als Monotherapie und als Partner einer Platin-basierten Chemotherapie erfolgreich in der Erstlinie
  • Ösophaguskarzinom: Relevante OS- und PFS-Verlängerung durch Pembrolizumab + Chemotherapie in der Erstlinie
  • 5-Jahres-Daten der KEYNOTE-024-Studie bestätigen deutliche Überlegenheit für Pembrolizumab mono vs. Chemotherapie beim NSCLC mit hoher PD-L1-Expression
  • Neuer Anti-ILT4-Antikörper zeigt in Kombination mit Pembrolizumab erste vielversprechende Ergebnisse bei fortgeschrittenen Tumoren
  • Adjuvante Therapie mit Pembrolizumab verlängert auch das fernmetastasenfreie Überleben bei komplett resezierten Hochrisiko-Melanomen im Stadium III
  • HIF-2α-Inhibitor MK-6482 beim Von-Hippel-Lindau-Syndrom: Vielversprechende Wirksamkeit auch bei Nicht-RCC-Läsionen
  • Neuer Checkpoint-Inhibitor: Vielversprechende erste Studiendaten für Anti-TIGIT-Antikörper Vibostolimab in Kombination mit Pembrolizumab