Die Auswertung radiologischer Bilder zur Diagnose eines Schilddrüsentumors ist eigentlich Sache von RadiologInnen. Chinesischen WissenschaftlerInnen ist es nun jedoch gelungen, eine künstliche Intelligenz auf Basis eines neuronalen Netzwerkes zu entwickeln, die diese Aufgabe sehr viel zuverlässiger erfüllt.
Wie in vielen Fällen zu beobachten, bringt die immer weiter voranschreitende diagnostische Vielfalt und Empfindlichkeit der Verfahren nicht nur Vorteile. Überdiagnosen und daraus resultierende unnötige Behandlungen treten nicht selten auf.
In einem interessanten Versuchsansatz wollten ForscherInnen daher jetzt für den Schilddrüsenkrebs herausfinden, ob sich die Trennschärfe mithilfe eines neuronalen Netzwerkes steigern lässt. Das Ziel bestand darin, die Zahl der Überdiagnosen zu verringern.
In der retrospektiven Studie werteten die chinesischen ForscherInnen dafür 131.731 Ultraschallaufnahmen von 17.627 Patienten und 180.668 Bilder von 25.325 Kontrollen aus. Auf Grundlage pathologisch bestätigter Schilddrüsenkrebs-Bilder wurde die KI zuvor auf die Befundung von Schilddrüsengewebe trainiert und intern sowie extern anhand der Datensets validiert.
Bei der internen Validierung erreichte das neuronale Netzwerk eine Sensitivität von 93,4% und eine Spezifität von 86,1%. Die RadiologInnen erzielten dahingegen zwar mit 96,9% eine höhere Sensitivität, ihre Spezifität lag aber bei nur 59,4%. Ebenso unterlagen die RadiologInnen auch in der externen Validation in der Spezifität dem neuronalen Netzwerk.
Das neuronale Netzwerk war insgesamt betrachtet etwas schlechter darin, an Schilddrüsenkrebs erkrankte PatientInnen sicher zu identifizieren. Allerdings erwies es sich den RadiologInnen als klar überlegen, wenn es darum ging, Patienten ohne Schilddrüsenkrebs korrekt zu detektieren.
Ersetzen wird das neuronale Netzwerk die RadiologInnen also sicher nicht so schnell. Allerdings könnte die Arbeit der FachärztInnen zukünftig vereinfacht werden, indem Befundungen durch die KI überprüft werden, um eventuelle falsch-positive Diagnosen herausfiltern zu können und den betroffenen PatientInnen damit unnötige weitere Untersuchungen erspart bleiben.
Quelle: Li X et al., Lancet Oncol. 2018; doi: 10.1016/S1470-2045(18)30762-9