Mirai: Frühere Erkennung von Brustkrebs und Reduzierung von Screening-Schäden
Die Mammographie wird eingesetzt, um Veränderungen in der Brust bei Frauen ohne Anzeichen oder Symptome von Brustkrebs zu erkennen.
Gesundheitsorganisationen weltweit unterstützen das Mammographie-Screening zur Früherkennung von Krebs, und es hat sich als wirksam erwiesen, die Sterblichkeit um 20-40% zu senken.
Obwohl es das beste Instrument zur Früherkennung ist, gibt es viele Bereiche, die verbessert werden müssen: falsch-positive und falsch-negative Ergebnisse, menschliche Unterschiede bei der Bildinterpretation und der Mangel an Fachradiologen...
Mirai als Deep-Learning-System kann die Kraft der künstlichen Intelligenz nutzen, um die Entwicklung von Brustkrebs vorherzusagen. Es umfasst drei Schlüsselinnovationen:
- Gemeinsame Modellierung von Zeitpunkten
- Selektive Verwendung von nicht-bildbasierten Risikofaktoren
- Sicherstellung konsistenter Leistung in verschiedenen klinischen Umgebungen
Dies ermöglicht Mirai, genaue Risikobewertungen zu liefern und sich an verschiedene klinische Umgebungen anzupassen.
Mirai kann nicht nur das Risiko eines Patienten zu verschiedenen zukünftigen Zeitpunkten vorhersagen, sondern auch klinische Risikofaktoren wie Alter und Familiengeschichte einbeziehen (falls verfügbar).
Darüber hinaus kann es stabile Vorhersagen bei geringen klinischen Unterschieden (wie verschiedenen Mammographie-Geräten) liefern.
Ein vielversprechender Aspekt des Modells ist seine Anwendbarkeit auf verschiedene ethnische Gruppen.
Mirai zeigt vergleichbare Genauigkeit bei weißen und schwarzen Frauen, was angesichts der 43% höheren Brustkrebssterblichkeit bei schwarzen Frauen ein bedeutender Fortschritt ist.
Großangelegte Validierung
Um bildbasierte Risikomodelle in die klinische Versorgung zu integrieren, müssen Forscher die Algorithmen verbessern und in mehreren Krankenhäusern großangelegte Validierungen durchführen.
Das Forschungsteam trainierte Mirai mit über 200.000 Untersuchungen vom Massachusetts General Hospital (MGH) und validierte es mit Daten vom MGH, dem Karolinska Institut in Schweden und dem Chang Gung Memorial Hospital in Taiwan.
Das jetzt am MGH installierte Mirai zeigt eine deutlich höhere Genauigkeit bei der Vorhersage des Krebsrisikos und der Identifizierung von Hochrisikopersonen als frühere Methoden.
Es übertrifft das Tyrer-Cuzick-Modell und identifiziert fast doppelt so viele zukünftige Krebsdiagnosen.
Zudem behält Mirai seine Genauigkeit über verschiedene ethnische Gruppen, Altersgruppen, Brustdichtekategorien und Krebsuntertypen hinweg bei.
Adam Yala, CSAIL-Doktorand und Erstautor der Studie, sagt: "Verbesserte Brustkrebsrisikomodelle ermöglichen gezielte Screening-Strategien, die im Vergleich zu bestehenden Richtlinien Brustkrebs früher erkennen und Screening-Schäden reduzieren können."
Das Team arbeitet mit Klinikern aus verschiedenen globalen Einrichtungen zusammen, um das Modell in verschiedenen Populationen weiter zu validieren und seine klinische Implementierung zu untersuchen.
Derzeit verbessern die Forscher Mirai, indem sie die vollständige Bildhistorie der Patienten nutzen und fortschrittliche Screening-Technologien wie Tomosynthese integrieren.
Diese Verbesserungen können Risiko-Screening-Richtlinien verfeinern, sensitiveres Screening für Hochrisikopersonen bieten und gleichzeitig unnötige Verfahren reduzieren.
Weitere Forschung zur Anwendung von KI bei der Brustkrebserkennung
Neben Mirai empfiehlt Science weitere Studien zur KI-gestützten Brustkrebserkennung.
Um die Überlebensrate bei Brustkrebs zu verbessern, haben Forscher ein tragbares Ultraschallgerät entwickelt, das Patienten ermöglicht, Tumore im Frühstadium zu erkennen. Diese Forschung stammt ebenfalls vom MIT.
Anantha Chandrakasan, Dekan der School of Engineering am MIT, Vannevar Bush, Professor für Elektrotechnik und Informatik, sowie ein Autor der Studie sagen:
"Diese Arbeit wird die Ultraschallforschung und das Design medizinischer Geräte durch Fortschritte in Materialien, stromsparenden Schaltkreisen, KI-Algorithmen und biomedizinischen Systemen erheblich vorantreiben."
"Sie bietet eine grundlegende Fähigkeit zur Erkennung und Frühdiagnose von Brustkrebs, was für positive Behandlungsergebnisse entscheidend ist."
Darüber hinaus berichtete die New York Times zuvor über "KI entdeckt Brustkrebs, den Ärzte übersehen haben".
Der Bericht besagt, dass Ungarn zu einem Haupttestgebiet für KI-Software zur Krebserkennung geworden ist, und Ärzte diskutieren, ob diese Technologie ihre medizinische Arbeit ersetzen wird.
2016 glaubte Geoffrey Hinton, einer der weltweit führenden KI-Forscher, dass die Technologie innerhalb von fünf Jahren die Fähigkeiten von Radiologen übertreffen würde.
"Ich denke, wenn Sie Radiologe sind, sind Sie wie Wile E. Coyote in einem Cartoon", sagte er 2017 zum New Yorker.
"Sie stehen am Rand einer Klippe, aber Sie haben noch nicht nach unten geschaut. Es ist ein bodenloser Abgrund darunter."
Hintons Worte bewahrheiten sich. In einem von Science veröffentlichten Tweet wurde eine Studie erwähnt, die feststellte, dass Ärzte, die KI verwenden, eher Brustkrebs entdecken als solche, die keine KI verwenden.
Die Studie zeigt auch, dass KI mehr als die Hälfte der Scans automatisch verarbeiten kann, was die Arbeitsbelastung von Radiologen erheblich reduziert.
Forschung in den Markt bringen
Science erwähnte auf X besonders eine Person - Dr. Connie Lehman.
Connie Lehman ist Professorin für Radiologie an der Harvard Medical School und Radiologin am Massachusetts General Hospital. Sie ist auch Mitautorin des grundlegenden Papers, das am Anfang dieses Artikels erwähnt wurde.
Sie begann bereits 1998 mit der Arbeit an computergestütztem Design (CAD) und war begeistert von dessen Potenzial zur Verbesserung der Brustkrebserkennung.