Mit künstlicher Intelligenz ausgerüstete Maschinen könnten Ärzten eines Tages dabei helfen, risikoreiche Brustläsionen, die sich in Krebs verwandeln könnten, besser zu identifizieren, wie neue Studien belegen.

Erfahren Sie mehr: Warum Ihr Brustkrebs fehlen könnte

Brustläsionen mit hohem Risiko sind abnormale Zellen, die bei einer Brustbiopsie gefunden werden. Diese Läsionen sind eine Herausforderung für Ärzte und Patienten. Die Zellen in solchen Läsionen sind nicht normal, aber sie sind auch nicht krebsartig. Und obwohl sie sich zu Krebs entwickeln können, tun dies viele nicht. Welche müssen also entfernt werden?


"Die Entscheidung, ob eine Operation durchgeführt werden soll oder nicht, ist schwierig. Die Tendenz besteht darin, diese Läsionen aggressiv zu behandeln [und zu entfernen]", sagte Studienautor Dr. Manisha Bahl.

"Wir waren der Meinung, dass es eine bessere Möglichkeit geben muss, diese Läsionen einer Risikostratifizierung zu unterziehen", fügte Bahl hinzu, Direktor des Stipendienprogramms für Brustbildgebung am Massachusetts General Hospital.

In enger Zusammenarbeit mit Informatikern am Massachusetts Institute of Technology entwickelten die Forscher ein Modell des "maschinellen Lernens", um Hochrisikoläsionen, die chirurgisch entfernt werden müssen, von solchen zu unterscheiden, die im Laufe der Zeit beobachtet werden konnten.


Maschinelles Lernen ist eine Art künstliche Intelligenz. Das Computermodell lerne und verbessere sich automatisch basierend auf früheren Erfahrungen, erklärten die Forscher.

Die Forscher gaben der Maschine viele Informationen über festgestellte Risikofaktoren, wie die Art der Läsion und das Alter des Patienten. Die Forscher fütterten es auch mit dem eigentlichen Text aus dem Biopsiebericht. Insgesamt seien 20.000 Datenelemente in das Modell aufgenommen worden, sagten die Forscher.

Der Test des maschinellen Lernmodells umfasste Informationen von etwas mehr als 1.000 Frauen, die eine Hochrisikoläsion hatten. Bei etwa 96 Prozent dieser Frauen wurde die Läsion operativ entfernt. Ungefähr 4 Prozent der Frauen hatten keine Läsionen entfernt, sondern zwei Jahre Follow-up-Imaging-Tests.


Das Modell wurde mit zwei Dritteln der Fälle trainiert und am verbleibenden Drittel getestet.

Der Test umfasste 335 Läsionen. Die Maschine identifizierte korrekt 37 der 38 Läsionen (97 Prozent), die sich zu Krebs entwickelt hatten. Das Modell hätte Frauen auch dabei geholfen, ein Drittel der Operationen an Läsionen zu vermeiden, die während der Nachbeobachtungszeit harmlos geblieben wären.

Darüber hinaus sagte Bahl: "Das Modell hat den Text im Biopsiebericht aufgegriffen. Die Worte, die stark und stark untypisch sind, haben ein höheres Risiko für die Aufwertung zu Krebs mit sich gebracht."

Bahl sagte, dass die Forscher hoffen, Mammographie-Bilder und Pathologie-Objektträger in das maschinelle Lernmodell aufzunehmen, mit dem Ziel, dies schließlich in die klinische Praxis einzubeziehen.

"Maschinelles Lernen ist ein Instrument, mit dem wir die Patientenversorgung verbessern können - sei es, um unnötige Operationen zu reduzieren oder um Patienten mehr Informationen zur Verfügung zu stellen, damit sie fundiertere Entscheidungen treffen können", sagte Bahl.

Dr. Bonnie Litvack ist Ärztliche Direktorin des Bildgebungszentrums für Frauen im Northern Westchester Hospital in Mt. Dr. Kisco, N.Y.

"Frauen sollten wissen, dass es eine neue Art des maschinellen Lernens gibt, mit deren Hilfe wir hochriskante Läsionen mit geringem Krebsrisiko identifizieren können. Und wir haben möglicherweise bald weitere Informationen für sie, wenn sie vor der Entscheidung stehen, ob sie operiert werden sollen." diese risikoreichen Läsionen herauszuschneiden oder nicht ", sagte Litvak, der nicht an der Studie beteiligt war.

"Künstliche Intelligenz ist ein aufregendes Feld, mit dem wir Frauen mehr Daten zur Verfügung stellen und sie bei der gemeinsamen Entscheidungsfindung unterstützen können", fügte Litvack hinzu.

Die Studie wurde am 17 Radiologie.


5 zukünftige WWE Hall of Famer (Februar 2021).