KI erkennt Krebs
Neuronale Netze in der Radiologie
Künstliche Intelligenz diagnostiziert schnell, wird nicht müde und ist oft treffsicherer als ein Arzt. An der Uniklinik Essen liefert der virtuelle Kollege bereits vielen Radiologen die zweite Meinung.
Künstliche Intelligenz (KI) erkennt schwarzen Hautkrebs sicherer und schneller als der durchschnittliche Hautarzt, wie ein Forscherteam der Universität Heidelberg gemeinsam mit Kollegen aus Frankreich und den USA herausfand. Sie haben ein Convolutional Neural Network entworfen, das sie mit 100.000 Fotos trainierten – Abbildungen sowohl von Melanomen als auch von ungefährlichen Muttermalen. Anschließend erkannte die KI 95 von 100 neuen bösartigen Fällen korrekt, im Vergleichstest mit 58 Dermatologen übersahen diese die Erkrankungen häufiger und erreichten nur eine Trefferquote von 86,6 Prozent. Auch mit weiteren Angaben zum Patienten und vergrößerten Aufnahmen konnten die Ärzte ihre Trefferquote lediglich auf 88,9 Prozent steigern.
Zum Kasten: Von monotonen Aufgaben entlastet
Sind also neuronale Netze die besseren Ärzte, wenn es um Diagnosen geht? Auf jeden Fall stellen sie ein zunehmend interessantes Hilfsmittel dar, findet Prof. Dr. med. Michael Forsting, Direktor des Institutes für Radiologie am Universitätsklinikum Essen. Beispielsweise ist in Essen eine KI darauf trainiert worden, Aufnahmen eines Uteruskarzinoms zu analysieren. Hier kann die Software bis zu 1800 Parameter in Betracht ziehen, ein gewiefter Radiologe bezieht dagegen vielleicht zehn Parameter in seine Schlussfolgerungen ein. So kann die KI viel eher Hinweise zur Aggressivität einer Krebserkrankung geben, sagt Forsting. Mittlerweile erkennt das System mit einer Genauigkeit von über 95 Prozent, ob der Tumor bereits gestreut hat oder künftig streuen wird – ganz ohne operative Gewebeentnahme. Wertvolle Hinweise für die behandelnden Ärzte, die daraufhin gezielter nach Metastasen suchen können.