Eine kürzlich in der Fachzeitschrift Radiology veröffentlichte Studie hat gezeigt, dass ein kommerziell erhältlicher künstlicher Intelligenz-Algorithmus vergleichbare Leistungen erzielt wie menschliche Ärzte bei der Interpretation von Mammografien. Mammografie wird häufig zur Brustkrebsdiagnose eingesetzt, hat jedoch Einschränkungen wie falsch positive Ergebnisse und übersehene Tumore. Um diesen Herausforderungen zu begegnen, werden oft zwei Ärzte zur Auswertung jeder Mammografie herangezogen, was jedoch einen hohen Arbeitsaufwand bedeutet. Künstliche Intelligenz bietet sich als mögliche Lösung an, jedoch müssen ihre Sicherheit und Effektivität noch etabliert werden.
Die Forscher verwendeten das „Personal Performance in Mammographic Screening“ (PERFORMS)-Assessment, das die Leistung von menschlichen Ärzten bei der Auswertung von Mammografien bewertet, um einen bestehenden künstlichen Intelligenz-Algorithmus zu testen. An der Studie nahmen 552 Ärzte teil, darunter Radiologen, Radiologietechniker und Brustkliniker, sowie die künstliche Intelligenz. Sie wurden gebeten, Mammografien aus zwei PERFORMS-Testsets zu interpretieren, die normale, gutartige und abnormale Befunde enthielten.
Sowohl die künstliche Intelligenz als auch die menschlichen Ärzte erzielten hohe Leistungswerte mit ähnlichen Sensitivitäts- und Spezifitätsraten. Die Forscher betonten jedoch, dass weitere Forschung erforderlich ist, bevor künstliche Intelligenz in klinischen Umgebungen als Zweitmeinung eingesetzt werden kann. Die Leistungsfähigkeit der künstlichen Intelligenz kann sich im Laufe der Zeit ändern und von Veränderungen in der Betriebsumgebung beeinflusst werden, was sich auf die Patientenergebnisse auswirken könnte. Die Überwachung der Leistungsfähigkeit der künstlichen Intelligenz und ihre sichere Implementierung in der klinischen Praxis sind entscheidend.
Diese Studie verdeutlicht das Potenzial künstlicher Intelligenz in der medizinischen Bildgebung, insbesondere in der Radiologie. Forscher haben untersucht, wie künstliche Intelligenz die medizinische Bildgebung transformieren kann, und eine Anwendung betrifft die Erkennung von Tuberkulose (TB) anhand von Brustkorb-Röntgenaufnahmen. Forscher von Google Health haben gezeigt, dass ihr Deep-Learning-Tool vergleichbare Leistungen wie menschliche Radiologen bei der TB-Erkennung erreicht. Dieses Tool könnte die TB-Früherkennung in ressourcenbeschränkten Gebieten vereinfachen, in denen Fachwissen zur Interpretation von Brustkorb-Röntgenaufnahmen fehlt.
Quellen:
– Radiology (Fachzeitschrift)
– National Health Service Breast Screening Program (NHSBSP) des Vereinigten Königreichs
