Eierstockkrebs: KI-gestützte Ultraschallerkennung untersucht

In einer neuen multizentrischen Retrospektivstudie hat ein internationales Forscherteam die künstlicher Intelligenz (KI)-gestützter Ultraschallerkennung bei Eierstockkrebs-Patientinnen untersucht.

Eierstockläsionen sind häufig und werden oft zufällig entdeckt. Ein kritischer Mangel an erfahrenen Ultraschall-Untersuchern hat Bedenken vor unnötigen Eingriffen und verzögerten Krebsdiagnosen geweckt. Deep Learning hat vielversprechende Ergebnisse bei der Erkennung von Eierstockkrebs in Ultraschallbildern gezeigt. Eine externe Validierung fehlt jedoch, erklären die Autoren der neuen Studie.

In dieser neuen internationalen, multizentrischen Retrospektivstudie haben die Forscher transformerbasierte neuronale Netzwerkmodelle entwickelt und validiert. Die Forschungsergebnisse wurden in der Fachzeitschrift „Nature“ veröffentlicht.

Hohe Diagnosegenauigkeit

In der Studie haben die Wissenschaftler einen umfassenden Datensatz von 17.119 Ultraschallbildern von 3652 Eierstockkrebs-Patientinnen aus 20 Zentren in acht Ländern verwendet. Mithilfe eines Kreuzvalidierungsschemas, bei dem ein Zentrum ausgelassen wird, haben die Wissenschaftler für jedes Zentrum nacheinander ein Modell mit Daten aus den verbleibenden Zentren trainiert.

Die Modelle zeigten eine robuste Leistung über verschiedene Zentren, Ultraschallsysteme, histologische Diagnosen und Patientinnenaltersgruppen hinweg und übertrafen sowohl Experten- als auch Laienprüfer in allen bewerteten Parametern deutlich, nämlich F1-Score, Sensitivität, Spezifität, Genauigkeit, Cohens Kappa, Matthews Korrelationskoeffizient, diagnostische Odds Ratio und Youdens J-Statistik. Darüber hinaus reduzierte die auf KI basierende Diagnoseunterstützung in einer retrospektiven Triage-Simulation die Überweisungen an Experten um 63 Prozent.

Diese Ergebnisse zeigen nach Angaben der Forscher, dass transformerbasierte Modelle eine starke Generalisierung und eine über dem Niveau menschlicher Experten liegende Diagnosegenauigkeit aufweisen. Damit haben sie das Potenzial, den Mangel an erfahrenen Ultraschalluntersuchern zu lindern und die Patientinnenergebnisse zu verbessern.

(ir)