MIT
Forscher des Computer Science and Artificial Intelligence Laboratory CSAIL des MIT und des Massachusetts General Hospital MGH haben eine neue erstellt. Deep-Learning-Modell das kann die Früherkennung von Brustkrebs verbessern.
VERBUNDEN: KI-UNTERSTÜTZTE SOFTWARE HILFT ÄRZTEN, BRUSTKREBS ZU ERKENNEN
Das System kann anhand einer Mammographie erkennen, ob eine Patientin in bis zu fünf Jahren wahrscheinlich an Brustkrebs erkranken wird. Brustkrebs-Screenings sind ein wichtiges Instrument zur Früherkennung von Brustkrebs und zur Senkung der Brustkrebs-Mortalität.
KI kann helfen, den Ärztemangel zu füllen
Vorführungen sind derzeit sehr arbeitsintensiv aufgrund der hohen Anzahl von Frauen, die Scans benötigen. In einigen Teilen der Welt, einschließlich der USA, gibt es eine Knappheit an hochqualifizierten Brust-Screening-Radiologen, was zur Entwicklung von KI-Systemen geführt hat, die einige derAufgaben im Zusammenhang mit der Auswertung von Mammographien.
Das neue MIT-System wurde an den Mammogrammen und Ergebnissen von mehr als 60.000 Patientinnen trainiert; aus diesen Daten lernte der Algorithmus die subtilen Muster im Brustgewebe, die Vorläufer bösartiger Tumoren sind. Die Schöpfer des Systems hoffen, dass es später Brustkrebs erzeugen wirdErkennung gehört der Vergangenheit an.
Risikobasiertes Screening genauer
Das System wird Ärzten helfen, individuelle Risikomanagementpläne für Frauen zu entwickeln, die bestimmen, wie oft sie untersucht werden sollten. Derzeit empfiehlt die American Cancer Society ein jährliches Screening ab dem Alter von 45 Jahren, USA.
Preventative Task Force empfiehlt, alle zwei Jahre ein Screening ab dem 50. Lebensjahr durchzuführen. Für Frauen mit hohem Risiko reicht dies jedoch möglicherweise nicht aus.
„Anstatt einen einheitlichen Ansatz zu wählen, können wir das Screening auf das Krebsrisiko einer Frau hin personalisieren“, sagt Barzilay, Senior-Autor eines neuen Artikels über das Projekt, der heute in Radiology veröffentlicht wurde.
"Ein Arzt könnte beispielsweise empfehlen, dass eine Gruppe von Frauen alle zwei Jahre eine Mammographie erhält, während eine andere Gruppe mit höherem Risiko möglicherweise ein zusätzliches MRT-Screening erhält."
Ein System genauer als herkömmliche Methoden
Barzilay ist Delta Electronics Professor am CSAIL und dem Department of Electrical Engineering and Computer Science am MIT und Mitglied des Koch Institute for Integrative Cancer Research am MIT. Das System ordnete 31 Prozent aller Krebspatienten genau dem höchsten Risiko zu.Kategorie, verglichen mit nur 18 Prozent bei herkömmlichen Modellen.
Das System beweist, dass Screening-Strategien auf Risikofaktoren und nicht nur auf das Alter festgelegt werden können. Zuvor wurde der Risikofaktor einer Frau, an Brustkrebs zu erkranken, durch eine Kombination aus Alter, Familienanamnese von Brust- und Eierstockkrebs, hormonellen und reproduktiven Faktoren bestimmt.Brustdichte.
Algorithmen erkennen Muster, die für Menschen zu subtil sind
Diese Marker sind schwach mit der tatsächlichen Entwicklung von Brustkrebs verbunden, und risikobasiertes Screening wird nicht allgemein unterstützt. Das MIT/MGH-Team hat ein Deep-Learning-Modell entwickelt, das Muster in Mammographien identifizieren kann, die zukünftige Krebserkrankungen verursachen. Schulungen zu mehr als90.000 Mammogramme, das Modell erkannte Muster, die für das menschliche Auge zu subtil waren.
„Seit den 1960er Jahren haben Radiologen festgestellt, dass Frauen einzigartige und stark variierende Muster des Brustgewebes haben, die auf der Mammographie sichtbar sind“, sagt Lehman.
„Diese Muster können den Einfluss von Genetik, Hormonen, Schwangerschaft, Stillzeit, Ernährung, Gewichtsverlust und Gewichtszunahme darstellen.
Wir können diese detaillierten Informationen jetzt für unsere Risikobewertung auf individueller Ebene nutzen, um genauer zu sein.“
Das Modell wird auch die Lücke bei der Erkennung und Behandlung von Brustkrebs zwischen schwarzen und weißen Frauen schließen. Schwarze Frauen sterben aufgrund einer Vielzahl von Faktoren, einschließlich des Zugangs zur Gesundheitsversorgung, um 42 % häufiger an Brustkrebs als weiße Frauen.
Das Team hofft, dass das System ein Standardbestandteil der Gesundheitsversorgung in den USA und der Welt werden kann.