Weltkrebstag 2020: Wie Künstliche Intelligenz die Bildgebung in der Krebsmedizin verbessern kann

Sonja Boehm

Interessenkonflikte

4. Februar 2020

Heidelberg – Seit 2006 ist der 4. Februar der Weltkrebstag. Sein Ziel ist, die Behandlung, Erforschung und Vorbeugung von Krebserkrankungen stärker ins öffentliche Bewusstsein zu rücken. Jährlich findet am Deutschen Krebsforschungszentrum (DKFZ) in Heidelberg zu diesem Anlass eine Veranstaltung statt, in der neue Erkenntnisse vermittelt werden. Ein Schwerpunkt in diesem Jahr: Künstliche Intelligenz (KI) und wie sie die Krebsdiagnostik und Therapie beeinflusst [1].

Rund 4 Millionen Menschen leben in Deutschland mit oder nach Krebs

Nach wie vor steigt die Inzidenz von Krebserkrankungen – um prognostiziert rund 20% bis 2030, betonte Prof. Dr. Michael Baumann, Vorstandvorsitzender des DKFZ. Rund 2 Drittel der Erkrankten überleben die Diagnose um mindestens 5 Jahre. „Das ist im internationalen Vergleich sehr hoch“, so Baumann. Insgesamt leben derzeit in Deutschland rund 4 Millionen Menschen mit oder nach Krebs – und diese Zahl wird weiter steigen.

Damit verschiebt sich zum Teil auch der Fokus bei der Betreuung der Erkrankten, so der Onkologe: Die Nebenwirkungen, etwa die der neuen Immuntherapeutika oder gezielten Therapien, aber auch Rezidive und Zweittumoren rutschen immer stärker ins Interesse.

 
Die wichtigste Erkenntnis der Forschung der letzten Jahre ist, dass die Tumore so unglaublich unterschiedlich sind. Prof. Dr. Michael Baumann
 

Die wichtigste Erkenntnis der Forschung der letzten Jahre ist für Baumann, „dass die Tumore so unglaublich unterschiedlich sind – und zwar nicht nur zwischen den Patienten, sondern auch bei ein und demselben Patienten gibt es zum Teil sehr unterschiedliche Zellpopulationen“. Daher gehöre der personalisierten Krebsbehandlung auch die Zukunft. Und um diese weiter zu entwickeln und zu evaluieren, führe kein Weg mehr an „Big Data“ und „Künstlicher Intelligenz“ (KI) vorbei.

Aber auch die Prävention und Früherkennung werden immer mehr zu Domänen der personalisierten Medizin. 40% der Krebserkrankungen, so Baumann, wären prinzipiell durch Prävention vermeidbar. Würden zudem die Möglichkeiten der Früherkennung voll ausgeschöpft, ließen sich nach Auskunft des Wissenschaftlers rund 70% aller Krebstoten vermeiden.

Künstliche Intelligenz in der Prostatakarzinom-Diagnostik

Ein Gebiet, auf dem sich die Krebsforscher sehr viel vom Einsatz Künstlicher Intelligenz versprechen, ist z.B. die Diagnostik beim Prostatakarzinom. In einer im vergangenen Jahr veröffentlichten Studie konnte ein Team aus Radiologen, Urologen und Informatikern vom DKFZ zeigen, dass beim Verdacht auf ein Prostatakarzinom ein MRT-Bild, das per KI ausgewertet wird, verdächtige Bereiche mindestens ebenso gut identifiziert wie ein erfahrener Radiologe.

Wie Prof. Dr. Heinz-Peter Schlemmer, der an der Studie beteiligt war, bei der Veranstaltung anlässlich des Weltkrebstages berichtete, wird das MRT zunehmend eingesetzt, um verdächtige Bereiche innerhalb der Prostata zu identifizieren und möglichst gezielt Biopsien zu entnehmen. Außerdem ließen sich per Kernspin auch diejenigen Patienten identifizieren, die keinen klinisch bedeutsamen Tumor haben – ihnen kann so eine Biopsie erspart werden.

Um die Effizienz bei der hochkomplexen Beurteilung der MRT-Bilder zu steigern, hat das Heidelberger Team ein künstliches neuronales Netzwerk zunächst anhand von MRT-Aufnahmen von 250 Patienten „trainiert“. Die KI lernt dabei quasi „von allein“, wie sich verdächtige Veränderungen von normalem Gewebe bzw. klinisch nicht signifikanten Veränderungen unterscheiden.

In der anschließenden Studie ließ man dann MRT-Bilder von 62 Patienten einmal von der KI und einmal von erfahrenen Radiologen bewerten. Die KI erkannte zu 92% klinisch relevanten Prostatakrebs, der Radiologe zu 88%. Von den Männern, die krebsfrei waren oder nur nicht behandlungsbedürftige Tumore hatten, erkannte die KI 47% korrekt, der Radiologe 50%. Diese Unterschiede waren statistisch nicht signifikant. Die Zuverlässigkeit ließ sich sogar noch steigern, wenn sowohl Radiologe als auch KI den Befund als „suspekt“ eingestuft hatten.

„Die Ergebnisse zeigen, dass die KI für die klinische Diagnostik großes Potenzial bereithält“, wird ein beteiligter Radiologe, Dr. David Bonekamp, in einer Pressemitteilung des DKFZ zitiert. Nun soll die Methode in einer prospektiven Studie auf ihre Tauglichkeit im klinischen Alltag geprüft werden.

Schlemmer ergänzte auf der Veranstaltung, dass Methoden wie „Deep Learning“ für die Diagnostik „ungeahnte Möglichkeiten bieten“. Doch seien diese Methoden nur selektiv einzusetzen; sie seien „wichtige Hilfsmittel, um selektiv eine bestimmte Frage zu beantworten – sie können aber den Pathologen nicht ersetzen“.

„Radiologie 4.0“ setzt ebenfalls auf KI

Auch Dr. Ralf Floca von der AG Softwareentwicklung für integrierte Diagnostik und Therapie verwies bei der Veranstaltung darauf, dass die „Radiologie 4.0“ auf Künstliche Intelligenz setzt. „KI und Maschinelles Lernen können den Arzt dabei unterstützen, noch mehr Information aus den Daten der radiologischen Bildgebung zu ziehen und das Ansprechen auf Therapien besser zu beurteilen“, sagte er.

 
Methoden wie 'Deep Learning' sind wichtige Hilfsmittel, um selektiv eine bestimmte Frage zu beantworten – sie können aber den Pathologen nicht ersetzen.  Prof. Dr. Heinz-Peter Schlemmer
 

Per KI ließen sich viele Informationen integrieren, robustere und präzisere Datenanalysen erstellen – und dies bei weniger Zeitaufwand, betonte Floca: „So bleibt mehr Zeit für schwierige Entscheidungen.“

Wie er sagte, steigt das Volumen an Gesundheitsdaten derzeit jährlich um rund 50%. Doch seien rund 90% dieser Daten bislang noch nicht nutzbar, z.B. weil sie nicht entsprechend aufbereitet sind oder sich bei Daten, die aus unterschiedlichen Quellen stammen, die Formate bzw. Messmethoden unterscheiden.

Auch allein aus Zeitgründen lasse sich die Datenflut von Menschen gar nicht mehr managen. „Alle 9.000 Radiologen in Deutschland würden, um alle Daten aus dem Jahr 2019 weltweit auszuwerten, rund 50 Jahre benötigen – für 2020 wären es bereits 75 Jahre.“

KI bei Hirntumoren und Brustkrebs

Floca stellte einige Beispiel vor, wie sich KI im klinischen Alltag in der Onkologie anwenden lässt. So hat z.B. eine große europaweite Studie rund 2.000 Untersuchungen von 30 Institutionen ausgewertet, bei denen das Therapieansprechen bei Hirntumoren gemessen worden war. „Die manuelle Messung ist sehr fehleranfällig“, erläuterte der Experte. Zudem differierten die Ergebnisse der Messungen zwischen den Zentren sehr stark.

 
KI und Maschinelles Lernen können den Arzt dabei unterstützen, noch mehr Information aus den Daten der radiologischen Bildgebung zu ziehen.  Dr. Ralf Floca
 

Eine KI sei nun anhand von 3D-Messungen trainiert worden und der daraus abgeleitete Algorithmus an die verschiedenen Zentren gegeben worden. So habe sich die Zuverlässigkeit zum Nachweis einer Response um 71% steigern lassen.

Ähnliche Erfolge erhoffe man sich von einem aktuellen Forschungsprojekt zur Brustkrebs-Erkennung. Bei diesem Projekt geht es darum, „unnötige“ Biopsien zu vermeiden. Dazu wird bei einem verdächtigen Befund in der Mammografie ein MRT „zwischengeschaltet“. In einer ersten Machbarkeitsanalyse ließen sich 6 bis 7 von 10 gutartigen Läsionen und 9 von 10 bösartigen Läsionen so korrekt beurteilen. Die Erwartung ist, dass damit rund 30% der Biopsien erspart werden könnten, sagte Floca.

Trotz aller Fortschritte hapere es derzeit aber noch an der Implementierung der KI in die klinische Praxis, monierte er. Die Gründe seien zum einen ein Mangel an Daten für das Training und die Validierung der KI-Systeme, zum anderen aber auch ein mangelndes Vertrauen von Ärzten, aber auch Gesundheitspolitikern in die neuen Möglichkeiten.

 

Kommentar

3090D553-9492-4563-8681-AD288FA52ACE
Wir bitten darum, Diskussionen höflich und sachlich zu halten. Beiträge werden vor der Veröffentlichung nicht überprüft, jedoch werden Kommentare, die unsere Community-Regeln verletzen, gelöscht.

wird bearbeitet....