Ist KI die Zukunft der Brustkrebserkennung?

Veröffentlicht am:

Aktualisiert:

Brustkrebs gehört zu den häufigsten Todesursachen in den USA

Nach Angaben des Nationales Krebs Institut, In diesem Jahr werden etwa 268,670 neue Fälle von Brustkrebs erwartet, und von 40,920-Frauen wird erwartet, dass sie an der Krankheit sterben.

Zusätzlich eine von acht Frauen wird irgendwann in ihrem Leben Brustkrebs entwickeln.

Leider mehr als 50 Prozent von Mammogrammen in den USA sind fehlerhaft.

Unabhängig davon, ob ein korrektes Bild oder eine Fehleinschätzung durch einen Arzt fehlen, führen ungenaue Mammogramme oft zu kostspieligen Fehldiagnosen oder dem Versagen, einen tödlichen Tumor zu bekommen.

Wissenschaftler suchen daher nach AI, um Patienten genauere Mammographieergebnisse zu liefern.

Mammogramme sind fehlerhaft

Ärzte können einen Tumor nicht korrekt aus dem Messwert erkennen, was zu einem falsch negativen Test führen kann.

Im Gegensatz dazu können Ärzte das Screening falsch als positiv interpretieren, auch wenn dies nicht der Fall ist. Dies kann zu einem falsch positiven Test führen und den Patienten dazu verpflichten, zusätzliche unnötige und teure Tests durchzuführen.

"Mammogramme können in bestimmten Fällen ein wertvolles und lebensrettendes Screening für Brustkrebs sein", sagte er Morgan Statt, ein Ermittler für Gesundheit und Sicherheit bei ConsumerSafety.org.

„Es gibt jedoch eine Reihe von Mängeln in der Mammographie, die uns ermutigen sollten, die Tests weiter zu verbessern. Aus rein wirtschaftlicher Sicht ergibt sich eine falsch-positive Mammographie entspricht $ 4 Milliarden bei den nationalen Ausgaben jedes Jahr aufgrund zusätzlicher Tests und invasiver Verfahren. “

Darüber hinaus sind aktuelle Mammogramme nicht in der Lage, sich schnell entwickelnde Intervallkarzinome zwischen Screenings zu erkennen.

Insgesamt betrachtet kann jedes dieser Probleme sowohl für die körperliche als auch für die emotionale Gesundheit eines Patienten schädlich sein.

"Verbunden mit den finanziellen Auswirkungen fehlerhafter Mammographietests ist die emotionale Unruhe, die der Patient erlebt", sagte Statt.

„Psychische Belastungen und Angstzustände können bei Frauen auftreten, die falsch positive Ergebnisse erhalten haben, während falsch negative Vorsorgeuntersuchungen kurzlebige Momente der Hoffnung hervorrufen können. Allein diese beiden Gründe sollten die kontinuierliche Verbesserung der Mammographieergebnisse fördern. “

Wie kann KI helfen?

AI kann verwendet werden, um die Genauigkeit von Mammogrammen zu verbessern, indem menschliches Versagen eliminiert wird und die Geschwindigkeit von Mammographielesungen erhöht wird.

Da ungenaue Messwerte oft das Ergebnis einer Fehlinterpretation durch den Arzt sind, haben Wissenschaftler begonnen, maschinelles Lernen und tiefes Lernen, eine Untergruppe von KI, zu verwenden, um die Genauigkeit zu verbessern.

„Bisher hat die Anwendung von KI in der Mammographie gezeigt, dass sie die Genauigkeit der Screenings verbessern, Ärzten helfen kann, schneller zu diagnostizieren, und sogar die Effizienz der Arbeitsabläufe in der Radiologie pro Einrichtung verbessern kann“, sagte Statt.

Beurteilung von dichtem Gewebe

In einer aktuellen Studie zeigten MIT- und Massachusetts General Hospital Forscher, dass ihr Deep-Learning-Modell verwendet werden kann beurteilen dichtes Brustgewebe so genau wie menschliche Experten.

Dichtes Brustgewebe ist ein Risikofaktor für Brustkrebs, weshalb Ärzte in 30 US-Bundesstaaten gesetzlich dazu verpflichtet sind, Patienten zu informieren, deren Mammogramme dichtes Gewebe identifizieren.

Während jedoch über 40 Prozent der Frauen in den USA dichtes Brustgewebe haben, können die Brustdichte-Bewertungen aus verschiedenen Gründen variieren.

"Die Brustdichte ist ein unabhängiger Risikofaktor für die Kommunikation mit Frauen über ihr Krebsrisiko", heißt es in einer Stellungnahme von Adam Yala, Doktorandin im MIT-Labor für Informatik und künstliche Intelligenz (CSAIL) und Zweitautorin der Studie.

"Unsere Motivation war es, ein genaues und konsistentes Instrument zu entwickeln, das in allen Gesundheitssystemen verwendet werden kann."

Sowohl beim Training als auch beim Testen hat das Modell von erfahrenen Radiologen gelernt, vier Kategorien der Brustdichte zu identifizieren - fetthaltig, verstreut, heterogen und dicht.

Das Modell erwies sich als ebenso zuverlässig wie menschliche Experten. Die Forscher stellten zum Beispiel fest, dass das Modell den Einschätzungen der MGH-Radiologen zu mehr als 10,000-Mammogrammen bei 94-Prozent entsprach.

Die Forscher planen, ihr Modell so zu skalieren, dass es anderen Krankenhäusern zur Verfügung steht

Unterscheidung zwischen malignen und benignen Diagnosen

In einer anderen aktuellen Studie fanden Forscher der Universität Pittsburgh heraus, dass ihre Deep-Learning-Technologie Ärzten helfen könnte nuancierte mammographische Bildgebungsmerkmale identifizieren auf falsch-positive Tests, die ihnen helfen können, zwischen malignen und benignen Diagnosen zu unterscheiden.

Die Wissenschaftler konnten einzigartige und schwer zu lesende Bildgebungsmerkmale identifizieren, die Radiologen dabei helfen zu beurteilen, ob eine Messung wirklich positiv oder negativ ist.

"KI, insbesondere die Deep-Learning-Techniken, bieten einen datengesteuerten Ansatz, um potenzielle Bildgebungsmerkmale zu identifizieren, die von Radiologen beim Lesen der Bilder möglicherweise nur schwer visuell beurteilt / wahrgenommen werden können", sagte Dr. Shandong Wu, Dozent für Radiologie, Biomedizinische Informatik und Bioingenieurwesen an der Universität von Pittsburgh.

"Mit AI und einer großen Anzahl von Screening-Mammogramm-Bildern bietet es ein wichtiges Schema, um das Problem zu lösen."

Dolmetschen von Mammogrammen

Wissenschaftler am Houston Methodist Research Institute haben ein AI-Programm entwickelt, das es ermöglicht Interpretieren Mammogramme mit 99 Prozent Genauigkeit und 30 mal schneller als ein menschlicher Arzt.

Das Team verwendete KI-Software zur Auswertung von Mammographien und pathologischen Berichten von 500-Patienten. Die Software wurde programmiert, um Patientencharts zu scannen, diagnostische Merkmale zu sammeln und Mammographiebefunde mit einem Brustkrebs-Subtyp zu korrelieren.

Es dauerte nur wenige Stunden, bis das Programm alle 500-Patientenmessungen abgeschlossen hatte. Eine manuelle Überprüfung von nur 50-Charts würde in der Regel zwei Stunden dauern, bis die Ärzte 50-70 abgeschlossen haben.

Die Wissenschaftler verwendeten die Ergebnisse dann, um die Wahrscheinlichkeit einer Brustkrebsdiagnose für jede Patientin genau vorherzusagen.

Zusammenfassung

Die Entwicklung von KI für genauere Mammogramme ist für die Gesundheit von Frauen auf der ganzen Welt von entscheidender Bedeutung.

"Ich denke, AI-Anwendungen von Mammogrammtests sollten weiterentwickelt werden, um Radiologen dabei zu helfen, diese Scans besser zu interpretieren, wenn auch nur, um unsere fortgesetzte Interaktion mit Computersystemen voranzutreiben", sagte Statt.

KOSTENLOSE 6-monatige Testversion

Dann genießen Sie Amazon Prime zum halben Preis – 50 % Rabatt!

TUN KI – Ihr Bildungsassistent

TUN AI

Ich bin hier, um Ihnen bei Stipendien, Hochschulsuche, Online-Kursen, finanzieller Unterstützung, Auswahl von Hauptfächern, Hochschulzulassungen und Studientipps zu helfen!

Die University Network