Laut Statistiken der Weltgesundheitsorganisation gab es im Jahr 2020 weltweit 2,3 Millionen Neuerkrankungen an Brustkrebs. Damit ist Brustkrebs die häufigste Krebsart und hat Lungenkrebs überholt.

Wenn es jedoch gelingt, den Krebs frühzeitig zu erkennen und umgehend zu behandeln, indem die Krebszellen abgetötet werden, bevor der Tumor metastasiert, kann die Sterblichkeitsrate bei Brustkrebs erheblich gesenkt werden. Derzeit wird zur Erstvorsorge bei Brustkrebs üblicherweise eine Röntgenaufnahme der Brust verwendet. Anschließend beurteilt der Arzt den Gesundheitszustand der Brust durch Analyse und Überprüfung der Röntgenaufnahmen. Der Überprüfungsprozess wird jedoch viel Zeit in Anspruch nehmen und die Behandlung anderer Patienten beeinträchtigen.
Zu diesem Zweck verglichen Forscher der britischen Universität Nottingham die Fähigkeiten kommerzieller KI und von Ärzten, Bruströntgenbilder zu lesen, und lieferten so neue Ideen für die Anwendung von KI in der klinischen Medizin.

Autor | Xuecai

Herausgeber | Drei Schafe, Eisenturm

Dieser Artikel wurde zuerst auf der öffentlichen HyperAI WeChat-Plattform veröffentlicht~

Laut Statistiken der American Cancer Society wird die Zahl der neuen Krebsfälle bei amerikanischen Frauen im Jahr 2022 bei etwa 930.000 liegen, davon werden etwa 290.000 neue Brustkrebspatientinnen sein, was 31% entspricht.Gleichzeitig entfielen 151 TP3T der Krebstodesfälle auf Brustkrebspatientinnen, nur Lungenkrebs war die zweithäufigste Todesursache.

Abbildung 1: Anzahl der neuen Krebsfälle (oben) und Krebstodesfälle (unten) in den Vereinigten Staaten im Jahr 2022

In China,Brustkrebs ist die häufigste Krebserkrankung bei Frauen im 21. Jahrhundert, und die Zahl der Neupatienten steigt jedes Jahr.

Abbildung 2: Anzahl der neuen Krebsfälle bei chinesischen Frauen von 2000 bis 2016, wobei die graue Farbe die Fälle von Brustkrebs darstellt

Brustkrebs ist eine Krankheit, bei der abnormale Brustzellen unkontrolliert wachsen und Tumore bilden. Wird nicht rechtzeitig eingegriffen, kann der Tumor metastasieren und sich ausbreiten, was letztendlich zu einer Lebensgefahr wird.Wenn jedoch lokale Tumore in einem frühen Stadium der Krebserkrankung erkannt und mit der Behandlung begonnen werden, kann die Fünfjahresüberlebensrate bei Krebs 99% erreichen.

Derzeit führen Krankenhäuser das erste Brustkrebs-Screening in der Regel mittels Mammographie durch. Allerdings kann es beim ersten Screening zu falsch positiven Ergebnissen kommen., was dazu führt, dass sich Patienten ohne Krebs unnötigen Tests unterziehen müssen. Es kann auch zu Auslassungen kommen, wodurch sich der optimale Behandlungszeitpunkt für die Patienten verzögert.

Aus diesem Grund werden in vielen europäischen Ländern Mammogramme überprüft, um möglichst viele falsch-positive Fälle auszuschließen. Diese Methode ist effektiv.Während die Zahl der falsch-positiven Ergebnisse zurückging, konnte auch die Krebserkennungsrate um 6%-15% erhöht werden.

Allerdings nimmt das Lesen und Auswerten von Röntgenaufnahmen viel Zeit in Anspruch.In Gegenden mit einem niedrigen Arzt-Patienten-Verhältnis nimmt die Überprüfung von Röntgenaufnahmen nicht nur die Zeit der Ärzte in Anspruch, sondern beeinträchtigt auch die frühzeitige Untersuchung anderer Patienten.

Durch den Einsatz von KI konnte die Arbeitsbelastung der Ärzte teilweise verringert werden. Es erscheint jedoch unsicher, der KI die Beurteilung von Leben und Gesundheit anzuvertrauen.Professor Yan Chen von der Universität Nottingham im Vereinigten Königreich sagte hierzu: „Es besteht großer Druck, KI in der klinischen Medizin einzusetzen, aber wir müssen es gut machen, um die Gesundheit der Frauen zu schützen.“

Zu diesem Zweck verglich das Team von Yan Chen die Genauigkeit der kommerziellen KI Lunit mit der von Ärzten, die Mammogramme lesen.Die Ergebnisse zeigten, dass Lunits Fähigkeit zur Analyse von Mammogrammen mit der menschlicher Ärzte vergleichbar war.Dieses Ergebnis wurde in „Radiology“ veröffentlicht.

Link zum Artikel:

https://pubs.rsna.org/doi/10.1148/radiol.223299#_i13

Experimentelle Verfahren

Datensatz:PERFORMS-Datensatz

Für diese Studie wurden zwei PERFORMS-Datensätze als Testsätze für das Modell ausgewählt. Jeder PERFORMS-Datensatz besteht aus 60 anspruchsvollen Röntgenaufnahmen, darunter bösartige Tumoren (ca. 35%), gutartige Tumoren und normale Ergebnisse.Der PERFORMS-Datensatz wird seit 30 Jahren für Eingangstests und Routineuntersuchungen von Ärzten im britischen Brustkrebs-Screening-Programm (NHSBSP) verwendet.

Bewertungskriterien:Anmerkung + Bewertung

Bei der Analyse von RöntgenstrahlenDer Arzt markiert die verdächtigen Stellen, und nehmen Sie schließlich eine Bewertung von 1-5 vor, die normal, gutartig, unsicher, verdächtig und bösartig entspricht.

Die KI bewertet die Verdächtigkeit jedes Merkmals der Röntgenaufnahme auf einer Skala von 1-100wurde die höchste Punktzahl als Punktzahl für die gesamte Röntgenaufnahme gewertet. Liegen keine verdächtigen Merkmale vor, werden 0 Punkte vergeben.

Abbildung 3: Ärzte und KI-Analyse von Brust-Röntgenbildern

A: Der blaue Pfeil zeigt eine unbekannte Masse mit einem Durchmesser von 8 mm, die später als histologisches duktales Karzinom Grad 2 identifiziert wurde;

B: Das rote Kreuz ist das von der KI entdeckte abnormale Merkmal und der blaue Punkt ist der verdächtige Bereich, den der Arzt während der Analyse markiert hat.

Vergleichsergebnisse:Spezifität + Sensitivität

Insgesamt nahmen 552 Ärzte am Wettbewerb teil, was 68% des gesamten NHSBSP entspricht, darunter 315 Radiologen, 206 Röntgenassistenten und 31 Kliniker.

Nach der Analyse zweier PERFORMS-Datensätze kamen sie zu dem Schluss, dass 161 Mammogramme normal waren, 70 bösartige Tumore aufwiesen und 9 gutartig waren. Zu den gemeinsamen Merkmalen der Bösartigkeit gehörten Masse (64,3%), Verkalkung (12,9%), Asymmetrie (11,4%) und architektonische Verzerrung (11,4%) mit einer durchschnittlichen Läsionsgröße von 15,5 ± 9,2 mm.

Tabelle 1: Ergebnisse zum PERFORMS-Datensatz

Die mittlere AUC für die menschliche Gruppe betrug 0,88. Die AUC der AI-Gruppe betrug 0,93, was dem 96,8. Perzentil der menschlichen Gruppe entspricht.Es gab jedoch keinen signifikanten Unterschied in der AUC zwischen den beiden Gruppen.

Abbildung 4: AUC-Histogramm der Ärztegruppe und AUC von AI (gelbe Linie)

Die mittlere Sensitivität und Spezifität der menschlichen Gruppe betrugen 90% bzw. 76%. An der vom Entwickler empfohlenen SchwelleDie Sensitivität und Spezifität von AI betrugen 84% bzw. 89%.

Tabelle 2: Beurteilungsergebnisse der Ärztegruppe und der KI mit unterschiedlichen Schwellenwerten

TP: richtig positiv;

FP: falsch positiv;

TN: wahr-negativ;

FN: falsch negativ;

Sensitivität = TP / Gesamtzahl der positiven Ergebnisse;

Spezifität = TN / Gesamtzahl der Negative.

In der ROC-Kurve der AI schnitten 52%-Ärzte oberhalb der Kurve ab, 36% lagen unterhalb der Kurve und 12% schnitten im Einklang mit der ROC-Kurve ab.

Abbildung 5: ROC-Kurve der KI, wobei die blauen Punkte die Leistung verschiedener Ärzte darstellen

Als der KI-Schwellenwert bei 3,06 lag, stimmte die Sensitivität der KI mit der der Ärzte überein: Sie erkannte 63 bösartige Tumore und übersah nur 7. Zu diesem Zeitpunkt unterschied sich die Spezifität der KI nicht signifikant von der der Ärzte.

Bei einem Schwellenwert von 2,91 wies die KI die gleiche Spezifität auf wie die Ärztegruppe, mit einer Sensitivität von 91%.Die obigen Ergebnisse zeigen, dass die Sensitivität und Spezifität der KI von Lunit bei der Analyse von Bruströntgenbildern mit denen menschlicher Ärzte vergleichbar sind.

Abbildung 6: Der Einfluss unterschiedlicher Schwellenwerte auf die KI-Beurteilungsergebnisse

A: Der blaue Pfeil zeigt einen asymmetrischen Bereich an, der später als histologisches duktales Karzinom Grad 2 identifiziert wurde;

B: Erkennungsergebnisse, wenn der AI-Schwellenwert 2,91 beträgt und das rote Kreuz schließlich als echtes Positiv identifiziert wird;

C: Bei den Testergebnissen, als der AI-Schwellenwert 3,06 betrug, wurden keine offensichtlichen abnormalen Merkmale gefunden.

Professor Yan Chen sagte:Die Ergebnisse dieser Studie liefern starke Beweise für das KI-Screening und zeigen, dass KI Mammogramme auf dem gleichen Niveau analysieren kann wie menschliche Ärzte.".

Brustkrebs: der versteckte rosa Killer

Am Weltkrebstag, dem 4. Februar 2021, erklärte die Internationale Agentur für Krebsforschung der Weltgesundheitsorganisation (WHO):Im vergangenen Jahr gab es 2,3 Millionen neue Fälle von Brustkrebs. Das entspricht 11,71 Prozent der Gesamtzahl der Fälle und übertraf damit erstmals die Zahl der neuen Fälle von Lungenkrebs.und wurde zum „versteckten rosa Killer“.

Gleichzeitig ist die Gruppe mit der höchsten Brustkrebsrate bei Frauen in Ländern mit hohem Einkommen vertreten, während die Erkrankungsrate bei Frauen in Ländern mit mittlerem und niedrigem Einkommen deutlich niedriger ist. Darüber hinaus sind etwa 0,5 bis 11 TP3T der Brustkrebserkrankungen auf Männer zurückzuführen.

Allerdings ist die Sterblichkeitsrate bei Brustkrebs selbst nicht hoch. Von 2016 bis 2020 wurde bei 8 Millionen Frauen Brustkrebs diagnostiziert, die die Krankheit überlebten – mehr als bei jeder anderen Krebsart.

Derzeit fördert die WHO die Global Breast Cancer Action auf der ganzen Welt.Es besteht die Hoffnung, dass die Zahl der Todesfälle durch Brustkrebs weltweit durch Früherkennung, rechtzeitige Diagnose und umfassende Brustkrebsbehandlung gesenkt werden kann.

Abbildung 7: KI-gestütztes Brustkrebs-Screening

Als leistungsstarkes Instrument für die Erstvorsorge bei Brustkrebs kann KI die frühen Anzeichen von Brustkrebs rechtzeitig erkennen und dürfte so den „Pink Killer“ im Keim ersticken.AberEs ist möglicherweise noch zu früh, KI in der klinischen Praxis im großen Stil zu fördern, da Änderungen in der Umgebung und im Algorithmus selbst weiterhin Auswirkungen haben werden, was dazu führen wird, dass die Sensitivität und Spezifität der KI mit der Zeit abnimmt.

Professor Yan Chen glaubt auch, dassSobald KI in die klinische Anwendung gelangt, müssen wir über einen Mechanismus verfügen, um sie kontinuierlich zu bewerten und zu überwachen.„. Nun werten Forschungsteams aus aller Welt die Erkennungsergebnisse der KI aus und kommen zu zufriedenstellenden Ergebnissen.Mithilfe effizienter KI und perfekter Regelmechanismen, werden sich Krankheiten aller Art „nirgends mehr verstecken können“ und unsere Gesundheit wird besser geschützt sein.

Referenzlinks:

[1]https://acsjournals.onlinelibrary.wiley.com/doi/10.3322/caac.21708

[2]https://www.sciencedirect.com/science/article/pii/S2667005422000047