Studie: Deep-Learning-Modell "Sybil" soll bei Lungenkrebsfrüherkennung helfen
Mit dem Deep-Learning-Model "Sybil" ist es Forschern gelungen, das Lungenkrebsrisiko bis zu sechs Jahre vor der Erkrankung anhand eines CT-Scans zu bestimmen.
CT-Scan der Lunge
(Bild: Peter G. Mikhael et al.)
Einem Team aus Forschern vom Massachusetts Institute of Technology (MIT), der Harvard Medical School und der Chang Gung Universität in Taiwan ist es gelungen, ihr Deep-Learning-Modell "Sybil" so zu trainieren, dass es anhand eines einzelnen CT-Scans das Lungenkrebsrisiko einschätzen kann. Weitere klinische Daten waren hierfür nicht nötig. Dabei konnten sie Vorhersagen darüber treffen, mit welchen Wahrscheinlichkeiten Lungenkrebs in einem Zeitraum zwischen ein bis sechs Jahren nach dem Screening auftritt. Für die Zukunft ist es denkbar, Sybil für eine Zweitmeinung bei der Beurteilung von Lungenaufnahmen einzusetzen, wie aus der im Journal of Clinical Oncology veröffentlichten Studie hervorgeht.
Das in Python erstellte und auf Github unter MIT-Lizenz veröffentlichte KI-Modell wurde retrospektiv anhand von Datensätzen aus klinischen Studien mit Rauchern aus den USA sowie mit Daten des Linkou Chang Gung Memorial Hospital trainiert – wobei Letztere auch Daten von Nichtrauchern enthalten. Da Lungenkrebs in Ostasien auch bei Nichtrauchern weit verbreitet ist, werden beispielsweise in Taiwan auch bei Nichtrauchern LDCTs durchgeführt. In den USA wird der CT-Scan mit einer niedrigen Dosis an Röntgenstrahlen (LDCT) bei Langzeitrauchern, die seit 30 Jahren rauchen, für die Krebsfrüherkennung empfohlen.
(Bild: Peter G. Mikhael et al.)
Die Vorhersagen erreichten eine hohe Übereinstimmung mit der tatsächlichen Patientengeschichte. Erwartungsgemäß sank die Genauigkeit der Vorhersage, je weiter Sybil in die Zukunft schaute.
KIs unterstützen Radiologen schon länger
Die Idee, aus radiologischen Daten mit einem Deep-Learning-Modell Krebs zu erkennen, ist nicht neu und kommt in der Praxis immer mehr zum Einsatz. Erst Ende 2022 hatte Google eine Kooperation mit dem amerikanischen Medizintechnikunternehmen iCAD bekannt gegeben, um Radiologen in klinischen Praxen bei der Auswertung der 2D- und 3D-Bilder zu unterstützen. Ersetzen sollen die KI-Methoden den Arzt jedoch nicht, da Radiologen sich – zumindest in der EU – auch von der KI als unauffällig gekennzeichnete Bilder ansehen müssen.
Korrigiert, dass kein Kontrastmittel zum Einsatz kommt.
(mack)
