Google entwickelte Deep-Learning-basierte künstliche Intelligenz zur Lungenkrebsfrüherkennung

Niedrigdosis-Computertomographie zur Lungenkrebsfrüherkennung senkt bekanntermaßen die Mortalität (Sterberate) bei Menschen mit hohem Risiko durch starken Tabakkonsum erheblich. Allerdings hat auch die Niedrigdosis-CT der Lunge Nachteile: jährliche Strahlenbelastung trotz niedriger Dosis, Überdiagnosen, falsch positive Befunde (nicht krebsartige Tumoren werden für Krebs gehalten und biopsiert) sowie Operationen.

Künstliche Intelligenz umfasst als Teilgebiet Deep Learning, das nach einer Studie in Nature zur Verringerung dieser Risiken beitragen könnte.

Deep Learning verwendet von Menschen entwickelte Algorithmen zur Erfassung, Sortierung und Analyse großer Datenmengen. Große Datenmengen (Big Data) speisen ein künstliches neuronales Netz (eine dem menschlichen Gehirn nachgebildete Gruppe von Algorithmen) und werden anschließend interpretiert. Programmierer sagen der Maschine nicht, was sie mit den Daten tun soll; stattdessen analysiert sie die Daten und trifft Entscheidungen anhand des Gelernten. Meist werden ihre Entscheidungen genauer, je mehr Daten sie erhält.

Forschende bei Google entwickelten ein künstliches neuronales Netz mit mehreren Verarbeitungsschichten. Sie speisten dieses mehrschichtige Netz mit CT-Untersuchungsdaten der Lunge von Menschen: Einige hatten Lungenkrebs, andere nicht, und manche hatten Knoten, die sich zu Krebs entwickelten.

Die Technologie zeigte eine außergewöhnliche Fähigkeit zur Erkennung von Lungenkrebs. Im Vergleich mit 6 Radiologen erzielte das System bei falsch positiven Befunden (als krebsartig eingeordnet, obwohl kein Krebs vorlag) eine Verringerung um % 11 und bei falsch negativen Befunden (als gutartig eingeordnet, obwohl Krebs vorlag) um % 5 und damit eine sehr gute Leistung. Wenn frühere CT-Aufnahmen eingesehen werden durften, erzielte der Algorithmus mit spezialisierten Radiologen gleichwertige Ergebnisse. Insgesamt lag die Genauigkeit dieses KI-Modells bei % 94.4.

Obwohl Googles Deep-Learning-System noch nicht für den breiten Einsatz bereit ist, geben die Ergebnisse einen Einblick in die mögliche Rolle künstlicher Intelligenz in der Medizin. Diese Anwendung eröffnet die Möglichkeit, die CT-Früherkennung von Lungenkrebs durch Computerunterstützung und Automatisierung zu optimieren. Dass Maschinen bei medizinischen Tests immer bessere Ergebnisse liefern und klinische Entscheidungen unterstützen, ist sehr erfreulich. Ein anderes Problem bleibt jedoch, dass die meisten Raucher nur wenig Bewusstsein für Lungenkrebsfrüherkennung haben und ohne Schutz bleiben. Die Automatisierung der Untersuchungen durch klinische Entscheidungshilfen wie Googles Deep-Learning-Modell könnte Genauigkeit, Einheitlichkeit und Akzeptanz der Lungenkrebsfrüherkennung erhöhen.