KI verbessert die Früherkennung von Brustkrebs

Künstliche Intelligenz bietet Radiologen smarte Unterstützung beim Brustkrebs-Screening

4min
Veröffentlicht am October 21, 2020

Bei Brustkrebs-Früherkennungsprogrammen wie dem in den Niederlanden fallen große Mengen an Mammographiedaten an. Radiologen müssen täglich Hunderte von Bildern präzise und oft unter Zeitdruck auswerten. Künstliche Intelligenz (KI) bietet Radiologen intelligente Unterstützung: „Es ist, als hätte man auf Knopfdruck einen zusätzlichen Kollegen“, sagt der Radiologe Ritse Mann vom Radboud University Medical Center, Nijmegen, Niederlande.

Die Radiologen des Brustzentrums am Radboud University Medical Center werten mit Hilfe von Transpara (ScreenPoint Medical) Woche für Woche einen stetigen Strom von Bildern aus. Transpara bietet interaktive Entscheidungsunterstützung und ist vollständig in syngo.Breast Care von Siemens Healthineers angebunden. Die Score-Funktion der Software wertet Mammographien auf die Wahrscheinlichkeit von bösartigen Tumoren hin aus, noch bevor ein Radiologe sich die Bilder überhaupt ansieht. Für die Radiologen ist die KI-Software also mehr als ein zweiter Radiologe, der sich die Bilder ansieht. Auf einer Skala von 1-10 bedeuten Werte von 1 bis 5 sehr geringe Wahrscheinlichkeit von bösartigen Anomalien, 10 hingegen sehr hohe Wahrscheinlichkeit. Radiologe Mann fügt hinzu: „Nehmen wir an, die Punktzahl ist 3, dann kann ich ziemlich sicher sagen, dass die Wahrscheinlichkeit, hier Krebs zu finden, praktisch gleich null ist. Ich schaue mir die Bilder zwar an, aber da ist kaum etwas zu finden.“

Gerade bei solchen Punktezahlen sieht Mann ein großes Potenzial für Zeiteinsparungen, da das KI-Tool als erster „befundender Radiologe“ fungieren könnte. In Fällen mit einer sehr niedrigen Punktzahl könnte ein zweiter befundener Radiologe – wie es in vielen Brustkrebs-Früherkennungsprogrammen vorgeschrieben ist – überflüssig werden. Die Software scheint also vor allem beim Screening ein großes Potenzial zu haben. „Da das Screening immer präziser wird, kann bei gleicher Sensitivität bei mehr Frauen auf eine weitere Untersuchung im Krankenhaus verzichtet werden.“ KI kann also zu einer besseren Patientenversorgung beitragen. Laut Mann ist das, was KI leisten kann, aber weniger auf individueller, sondern eher auf institutioneller Ebene spürbar.
When evaluation mammography images, radiologists at Radboud University Medical Center are supported by artificial intelligence.
Ein weiterer Vorteil, den die KI mit dieser Software bringt, ist die eingebaute Entscheidungshilfe. Sie ermöglicht Radiologen eine genauere Beurteilung von Läsionen und Kalkablagerungen. Die Software arbeitet interaktiv. Wenn ein Radiologe in einer Mammographie oder Tomosynthese eine Anomalie sieht, kann er oder sie auf die verdächtige Region klicken. Die Software zeigt dann mit einem Wert von 1 bis 95 die Wahrscheinlichkeit, ob die Anomalie bösartig ist. Mann: „Bei sehr niedrigen Punkten weiß ich, dass es sich wahrscheinlich um eine gutartige Anomalie handelt. Ich kann sie ignorieren.“

Ritse Mann, MD, PhD, head of breast imaging, Radboud University Medical Center, Nijmegen, the Netherlands.

Mann: „Man kann die Bilder, die wir auswerten, grob in drei Gruppen einteilen: diejenigen, die eindeutig Krebs zeigen, diejenigen, die eindeutig keinen Krebs zeigen, und diejenigen, bei denen ich nicht mit Sicherheit sagen kann, was ich sehe. Ist es eine Läsion? Muss ich etwas unternehmen?“ Gerade in diesem Graubereich sei die KI-Software wertvoll, sagt Mann. „Bei solchen Bildern ist es gut, wenn ein Kollege noch einen Blick darauf wirft, als zweite Meinung. Wir sind aber ein relativ kleines Zentrum, ich habe also nicht immer einen zweiten Radiologen für Mammographien zur Seite. Die Software ist aber immer da. Auf Knopfdruck bekomme ich eine zweite Meinung zu dem, was ich glaube, gesehen zu haben – was aber vielleicht gar nicht da ist.“ Mann ist von der Zuverlässigkeit der KI-Software überzeugt: „Die Leistungsfähigkeit entspricht der eines guten Radiologen.“
In der diagnostischen Bildgebung verwendet das Brustzentrum am Radboud University Medical Center Tomosynthese zur Erstellung von 3D-Bildern der Brust. Diese Technik bietet höhere Auflösung und damit bessere Gewebedifferenzierung als herkömmliche 2D-Mammographien, generiert aber auch mehr auszuwertende Bilder. Mann: „Statt einer Mammographie haben Sie 60 Tomosynthese-Schichten. In der Praxis bedeutet das, dass wir doppelt so lange brauchen, um eine „Tomo“ auszuwerten.“

Dieser Mehraufwand wird durch den Einsatz der Entscheidungsunterstützung in der KI-Software teilweise kompensiert. Die Software sieht die Bilder wie ein virtueller Radiologe durch, wodurch menschliche Radiologen schneller arbeiten können – und zwar um 15 bis 20 Prozent schneller, wie verschiedene Studien gezeigt haben.[1] Radiologen haben so mehr Zeit für komplexere Fälle.
Tomosynthesis evaluation is also facilitated with the AI software.
Künstliche Intelligenz ist relativ neu bei Brustuntersuchungen, bisher sind hier nur wenige Unternehmen auf dem Gebiet aktiv. Mann: „Transpara ist eine der wenigen echten KI-Anwendungen auf dem Markt, die sowohl mit Mammographie wie auch mit Tomosynthese arbeiten kann. Viele andere Technologien sind noch in der Forschungsphase und stehen noch nicht für die Praxis zur Verfügung.“ Und dies trotz der Tatsache, dass die KI bei der Brustkrebsversorgung eine sehr große Rolle spielen kann.

„Besonders beim Screening kann KI Kosten senken. Wenn die Software zum Beispiel anzeigt, dass bei einer Frau ein geringes Brustkrebsrisiko besteht, dann kann man überlegen, ob eine zweite Beurteilung durch einen echten Radiologen noch nötig ist. Aktuell sehen sich in jedem Fall immer zwei Radiologen jede Mammographie an. Hier liegt also großes Potenzial für die Einsparung von Personal.“ Außerdem könnte KI in der Lehre eingesetzt werden. Angehende Radiologen könnten Fälle befunden und dann ihre Ergebnisse mit dem vergleichen, was die Entscheidungshilfefunktion der Software liefert.
Es ist Ritse Mann jedoch bewusst, dass noch einiges getan werden muss, bis es soweit ist. „Schon aus ethischer Sicht ist es immer noch schwierig, einer Frau zu sagen: Der Computer hat die Bilder ausgewertet und bestätigt, dass es keinen Grund zur Sorge gibt. Eine Patientin erwartet, dass sich ein „echter“ Arzt die Bilder ansieht. Zumindest aktuell ist das noch so. Aber KI lernt extrem schnell. Je mehr Bilder wir dem System zum Lernen geben können, desto besser wird es und damit auch die Versorgung. Allerdings wirft KI auch neue Datenschutzfragen auf. Wenn wir darauf Antworten finden, werden Qualität und Effizienz der Mammadiagnostik noch größere Fortschritte machen.“