MADRID, 19. März (EUROPA PRESS) –
Forscher der Duke University in Durham, North Carolina (USA) haben ein neues interpretierbares Modell mit künstlicher Intelligenz (KI) entwickelt, um das 5-Jahres-Brustkrebsrisiko anhand von Mammographien vorherzusagen. Dies geht aus einer neuen Studie hervor, die in „Radiology“, einer Fachzeitschrift der Zeitschrift, veröffentlicht wurde Radiologische Gesellschaft Nordamerikas (RSNA).
Dabei handelt es sich um AsymMirai, eine Verbesserung von Mirai, einem auf Deep Learning basierenden Algorithmus der nächsten Generation, der bei der Vorhersage von Brustkrebs helfen konnte. Da jedoch wenig über ihren Denkprozess bekannt ist, besteht die Gefahr, dass Radiologen sich zu sehr auf den Algorithmus verlassen und falsche Diagnosen stellen. Daher bedurfte es einer Verbesserung.
„Mirai war eine Black Box, ein sehr großes und komplexes neuronales Netzwerk, ähnlich aufgebaut wie ChatGPT, und niemand wusste, wie es seine Entscheidungen traf“, erläutert der Hauptautor der Studie, Jon Donnelly, Student am Fachbereich Computer Wissenschaft an der Universität von Duke in Durham. „Wir haben eine interpretierbare KI-Methode entwickelt, die es uns ermöglicht, Brustkrebs anhand von Mammographien ein bis fünf Jahre im Voraus vorherzusagen. Jetzt ist AsymMirai viel einfacher und leichter zu verstehen als Mirai.“
Für die Studie verglichen Donnelly und Kollegen aus der Abteilung für Informatik und der Abteilung für Radiologie ihr neu entwickeltes Mammographie-basiertes Deep-Learning-Modell namens AsymMirai mit Mirais 1- bis 5-Jahres-Brustkrebsrisikovorhersagen. AsymMirai baute auf dem „Front-End“-Deep-Learning-Teil von Mirai auf und ersetzte den Rest dieser komplizierten Methode durch ein interpretierbares Modul: bilaterale lokale Unähnlichkeit, die Gewebeunterschiede zwischen der linken und rechten Brust analysiert.
„Früher wurden Unterschiede zwischen linkem und rechtem Brustgewebe nur dazu genutzt, Krebs zu erkennen, nicht um ihn im Voraus vorherzusagen“, bemerkt Donnelly. „Wir haben herausgefunden, dass Mirai Vergleiche zwischen der linken und rechten Seite verwendet, und so konnten wir ein wesentlich einfacheres Netzwerk entwerfen, das auch Vergleiche zwischen den Seiten durchführt.“
Für die Studie verglichen die Forscher 210.067 Mammogramme von 81.824 Patientinnen im EMory BrEast Imaging Dataset (EMBED) von Januar 2013 bis Dezember 2020 unter Verwendung der Modelle Mirai und AsymMirai. Die Forscher fanden heraus, dass ihr vereinfachtes Deep-Learning-Modell bei der Vorhersage des Brustkrebsrisikos für ein bis fünf Jahre fast genauso gut funktionierte wie das hochmoderne Mirai.
Die Ergebnisse untermauerten auch die klinische Bedeutung der Brustasymmetrie und verdeutlichten damit das Potenzial der bilateralen Unähnlichkeit als zukünftiger bildgebender Marker für das Brustkrebsrisiko.
Da die Argumentation hinter den Vorhersagen von AsymMirai leicht zu verstehen ist, könnte es eine wertvolle Ergänzung für menschliche Radiologen bei der Brustkrebsdiagnose und Risikovorhersage sein, erklärt Donnelly.
„Wir können mit überraschend hoher Genauigkeit vorhersagen, ob eine Frau in den nächsten ein bis fünf Jahren an Krebs erkranken wird, und zwar ausschließlich auf der Grundlage lokaler Unterschiede zwischen linkem und rechtem Brustgewebe“, sagte er. „Dies könnte Auswirkungen auf die Öffentlichkeit haben, da es in nicht allzu ferner Zukunft Einfluss darauf haben könnte, wie oft Frauen Mammographien erhalten.“
