Erkennen seltenerer gastrointestinaler Erkrankung mit KI dank Anomalie-Detektion

Ein neues auf Künstlicher Intelligenz (KI) basierendes Tool kann anhand von Bildgebungsdaten auch wenig häufige gastrointestinale Erkrankungen erkennen.

Um ihr volles Potenzial entwickeln zu können, muss KI ‒ natürlich auch in der Medizin ‒ anhand zahlreicher Beispiele trainiert werden. Diese gibt es aber in diesem Falle nur für häufige Erkrankungen in ausreichender Menge. „Das wäre so, als wenn ein Hausarzt nur Husten, Schnupfen und Heiserkeit diagnostizieren müsste“, erklärt Prof. Frederick Klauschen, Direktor des Pathologischen Institutes der Ludwig-Maximilians-Universität München. „Die eigentliche Herausforderung ist, auch die selteneren Erkrankungen zu erkennen. Diese übersehen die aktuellen KI-Modelle häufig oder klassifizieren sie falsch.“

Gemeinsam mit der Arbeitsgruppe von Prof. Klaus-Robert Müller von der Technischen Universität Berlin/BIFOLD und Kollegen von der Charité – Universitätsmedizin Berlin hat Klauschen nun einen neuartigen Ansatz entwickelt, der diese Einschränkung überwindet: Wie die Wissenschaftler im „New England Journal of Medicine AI“ berichten, benötigt ihr neues Modell nur Trainingsdaten von häufigen Befunden, um auch die weniger häufigen Krankheiten zuverlässig zu identifizieren. Das kann laut den Forschenden die diagnostische Sicherheit verbessern und Pathologen zukünftig deutlich entlasten.

Aus der Normalität lernen

Der neue Ansatz setzt auf Anomalie-Detektion: Aus der sehr genauen Charakterisierung von normalem Gewebe und Befunden häufiger Erkrankungen lernt das Modell, Abweichungen davon zu erkennen und anzuzeigen, ohne dass es für diese selteneren Fälle spezifisch trainiert werden muss. Für ihre Studie sammelten die Forschenden zwei große Datensätze mikroskopischer Bilder von Gewebeschnitten aus gastrointestinalen Biopsien mit den zugehörigen Diagnosen. Darin machen die zehn häufigsten Befunde – dazu gehören normale Befunde und sehr häufige Krankheiten wie chronische Gastritis – etwa 90 Prozent der Fälle aus, während die verbleibenden zehn Prozent insgesamt 56 Krankheitsbilder enthielten, darunter viele Krebsarten.

Für das Training und die Evaluation ihres Modells verwendeten die Forschenden insgesamt 17 Millionen histologische Bilder aus 5423 Fällen. „Wir haben verschiedene technische Ansätze verglichen und unser bestes Modell hat ein breites Spektrum an selteneren Pathologien von Magen und Darm, einschließlich seltener primärer oder metastasierender Krebsarten, mit hoher Zuverlässigkeit erkannt. Das kann unseres Wissens kein anderes veröffentlichtes KI-Tool“, sagt Müller. Mithilfe sogenannter Heatmaps kann zudem farblich dargestellt werden, an welcher Stelle des Gewebeschnitts Anomalien vorliegen.

Deutliche Entlastung bei der Diagnosestellung

Indem es normale Befunde und häufige Krankheiten identifiziert und auf Anomalien hinweist, könnte das neue KI-Modell, das zukünftig weiter verbessert werden soll, Mediziner entscheidend unterstützen. Zwar müssen alle Befunde durch Pathologen bestätigt werden, aber: „Ärztinnen und Ärzte könnten sich sehr viel Zeit sparen, weil normale Befunde und ein gewisser Anteil der Erkrankungen durch die KI diagnostiziert werden können. Das trifft auf etwa ein Viertel bis ein Drittel der Fälle zu“, sagt Klauschen. „Und bei den restlichen Fällen kann die KI die Priorisierung erleichtern und übersehene Diagnosen reduzieren. Das wäre ein Riesenfortschritt.“