Durch KI unterstützte Radiologinnen und Radiologen können mehr Brustkrebserkrankungen mit niedrigeren Falsch-positiv-Raten erkennen

USA - Français

USA - español

USA - English

News provided by

Feb 11, 2020, 05:55 ET

Eine Studie von Lunit und koreanischen Universitätskrankenhäusern, die in Lancet Digital Health veröffentlicht wurde

SEOUL, Südkorea, 11. Februar 2020 /PRNewswire/ -- Eine neue Studie, die in Lancet Digital Health veröffentlicht wurde, veranschaulicht den Mehrwert der KI-gestützten Brustkrebserkennung in Mammographie-Aufnahmen.

Mammograms of a 49-year-old woman with invasive lobular carcinoma on the right-side breast. A small mass with micro-calcifications on the right-side breast was detected correctly by AI with an abnormality score of 96%. This case was recalled by 7 out of 14 radiologists (4 breast radiologists and 3 general radiologists) initially (without AI) and all 14 radiologists recalled this case correctly with the assistance of AI.

Die Studie wurde von koranischen Universitätskrankenhäusern und Lunit, einem medizinischen KI-Unternehmen, dass sich auf die Entwicklung von KI-Lösungen für die Radiologie und Onkologie spezialisiert hat, durchgeführt und umfasst umfangreiche Daten von mehr als 170.000 Mammographie-Untersuchungen aus fünf verschiedenen Einrichtungen in Südkorea, den USA und dem Vereinigten Königreich, wobei asiatische und weiße weiblichen Brustaufnahmen ausgewertet wurden. Der Datensatz umfasst mehr als 36.000 durch eine Biopsie nachgewiesene, unabhängige Krebs-positive Fälle – der bisher umfangreichste Krebsdatensatz für Mammographie-bezogenen KI-Studien.

„Es handelt sich hier um eine bisher nie dagewesene Anzahl an Daten mit genauer „Ground Truth" – genauer stellen die 36.000 Krebsfälle siebenmal mehr als die übliche Anzahl an Datensätzen dar, die in vergleichbaren, zuvor durchgeführten Studien berücksichtigt wurden", so Hyo-Eun Kim, Erstaustor der Studie und Chief Product Officer von Lunit. „Die Qualität der Daten wurde ebenfalls sichergestellt, indem auf ethnische Vielfalt sowie verschiedene Bildgebungsgeräte und Scan-Bedingungen geachtet wurde. Das Zusammenspiel der Datenvielfalt und der Einzigartigkeit unseres Algorithmus, das durch die gegenseitige Interaktion entwickelt wurde, bildet den Schlüssel zum Erfolg für die Entwicklung des Lunit INSIGHT MMG seit dem Frühjahr 2016."

Die Studie zeigt eine signifikante Verbesserung in der Leistung von Radiologinnen und Radiologen vor und nach der Anwendung von KI. Laut der Studie zeigt die KI allein eine Empfindlichkeit von 88,8 % bezüglich der Erkennung von Brustkrebserkrankung, wohingegen Radiologinnen und Radiologen allein lediglich 75,3 % aufweisen. Durch KI-Unterstützung wurde die Genauigkeit von Radiologinnen und Radiologen um 9,5 % auf 84,8 % gesteigert.

Eines der wichtigsten Ergebnisse veranschaulicht ebenfalls, dass KI im Vergleich mit den Radiologinnen und Radiologen mehr Empfindlichkeit bezüglich der Erkennung von Krebserkrankungen mit Masse (90 % im Vergleich zu 78 %) und Verzerrung oder Asymmetrie (90 % im Vergleich zu 50 %) aufweist. Die KI war besser darin, T1-Krebserkrankungen zu erkennen, die als invasive Krebserkrankungen im Frühstadium kategorisiert werden. Die KI erkannte 91 % der T1-Krebserkrankungen und 87 % der nodal-negativen Krebserkrankungen, wohingegen die Gruppe der Radiologinnen und Radiologen 74 % beider Krebskategorien erkannte.

Die Dichte des Brustgewebes ist ebenfalls ein wichtiger Faktor für den Mammographiebefund, da sich dichtes Brustgewebe, wie es meistens bei der asiatischen Bevölkerung zu sehen ist, schwerer interpretieren lässt. Es kann Krebserkrankungen bei einer Mammographie leichter verbergen. Die Ergebnisse machen deutlich, dass die diagnostische Leistung der KI weniger durch die Dichte der Brust beeinträchtigt wurde, wohingegen die Leistung der Radiologinnen und Radiologen anfällig für die Dichte war. Sie wiesen mit 79,2 % eine höhere Empfindlichkeit bei Brüsten mit hohem Fettgewebeanteil im Vergleich zu 73,8 % bei dichterem Brustgewebe auf. Mit KI-Unterstützung erhöhte sich die Empfindlichkeit der Radiologinnen und Radiologen bezüglich der Interpretation von dichterem Brustgewebe um 11 %.

„Eines der größten Probleme in der Erkennung von malignen Läsionen in Mammographieaufnahmen besteht in der Reduktion von falsch-negativen Ergebnissen – nicht entdeckten Fällen. Radiologinnen und Radiologen neigen dazu, Trefferquoten zu erhöhen und so ein weiter gefasstes Sicherheitsnetz auszuwerfen. Dies führt zu einer erhöhten Anzahl unnötiger Biopsien", so Prof. Eun-Kyung Kim, Korrespondenzautor der Studie und Brustradiologe am Yonsei University Severance Hospital. „Die korrekte Interpretation von Brustaufnahmen erfordert umfangreiche Erfahrung. Unsere Studie veranschaulicht, dass KI dabei helfen kann, mehr Brustkrebserkrankungen zu diagnostizieren, falsch-positiv-Raten zu senken und Krebserkrankungen in frühen Entwicklungsstadien zu erkennen."

Die Studie wurde am 6. Februar 2020 online in Lancet Digital Health veröffentlicht. Lunit INSIGHT MMG ist im Handel erhältlich und wird klinisch eingesetzt. Nach der Freigabe durch das Korea Ministry of Food and Drug Safety (koreanische Ministerium für die Lebensmittel- und Medikamentensicherheit) steht derzeit die Freigabe des europäischen CE-Prüfsiegels im ersten Quartal sowie die FDA-Zulassung im weiteren Verlauf des Jahres aus. Demo-Versionen sind kostenlos online unter folgender Adresse erhältlich: https://insight.lunit.io.

Foto - https://mma.prnewswire.com/media/1088315/Lancet_Digital_Health_Lunit_INSIGHT_MMG.jpg