Computergestützte Entscheidungshilfen für pathologische Krebsbefunde werden häufiger eingesetzt

Am 15. Juli 2019 stellten Forschende des Memorial Sloan Kettering Cancer Center und der Abteilung für Pathologie des Weill Cornell Institute of Medical Sciences unter der Leitung von Thomas J. Fuchs in der Zeitschrift Nature Medicine ein lernbasiertes System vor, das auf Deep Learning (tiefem Lernen) beruht. Dieses System kann präzise Klassifikationsmodelle in einem bisher unerreichten Maßstab trainieren und schuf damit die Grundlage für den Einsatz computergestützter Entscheidungshilfen in der klinischen Praxis.

Die Autoren berichteten, dass die Entwicklung von Entscheidungshilfesystemen für die Pathologie und deren Anwendung in der klinischen Praxis in der Vergangenheit nicht möglich gewesen seien, weil große Mengen manuell annotierter Datensätze benötigt wurden.

Das von ihnen beschriebene Deep-Learning-System überwindet dieses Problem. Insbesondere verwendet dieses neue System nur die dokumentierten Diagnosen als Kennzeichnungen für das Training und vermeidet dadurch teure und zeitaufwendige manuelle Zusatzannotationen auf Pixelebene.

Das Studienteam skalierte dieses Rahmenwerk auf einen Datensatz von 15.177 Patienten mit 44.732 vollständigen Objektträgeraufnahmen, ohne eine Datenkuratierung vorzunehmen.

Das System konnte Prostatakrebs, Basalzellkarzinome der Haut und axilläre (Achselhöhlen-) Metastasenvon Brustkrebs mit einer Genauigkeit von %98 diagnostizieren.

Bei klinischer Anwendung behielt das System eine Sensitivität von % 100 bei und ermöglichte es Pathologen, auf die Begutachtung von % 65-75 der Pathologieblöcke zu verzichten.

Die Autoren folgerten aus ihren Ergebnissen, dass das System in der Lage ist, präzise Klassifikationsmodelle zu trainieren und damit die Grundlage für den Einsatz computergestützter Entscheidungshilfesysteme in der klinischen Praxis bildet.

Für Personen, die sich mit medizinischer Informatik beschäftigen, ist der öffentlich bereitgestellte MSK-Datensatz zu Brustkrebsmetastasen hier zugänglich. Der Quellcode dieser Studie kann hier heruntergeladen werden.

• Alle unsere Nachrichten zu künstlicher Intelligenz bei Krebs