Künstliche Intelligenz erkennt Prostatakrebs in der MRT so gut wie ausgebildete Radiologen

Künstliche Intelligenz (KI) kann Prostatakrebs in der Magnetresonanztomographie (MRT) ebenso gut erkennen wie ausgebildete Radiologen. Das zeigt eine Studie, die am 28.04.2023 beim Jahreskongress der American Urological Association (AUA) in Chicago (USA) vorgestellt worden ist.

Simon John Christoph Soerensen von der Stanford University (USA) und Kollegen trainierten eine KI, um Krebsherde in der MRT schnell und genau zu identifizieren. Die Erkennungsleistung des KI-Modells verglichen sie mit der Leistung von ausgebildeten Radiologen..

Ausgangsbasis waren 1504 Patienten, die sich an mehr als 30 US-amerikanischen Institutionen einer multiparametrischen MRT, gefolgt von einer MRT-Ultraschall-Fusionsbiopsie, unterzogen. Die Wissenschaftler verwendeten die Daten von 1404 Fällen, um das KI-Modell zu trainieren. Die MRT-Läsionen wurden zunächst von einem Radiologen identifiziert und umrissen, Krebs wurde durch Biopsie bestätigt. Nur Läsionen mit Gleason 3+3 oder 3+4 in mindestens einer Stanze der gezielten Biopsien wurden zum Trainieren und Testen des Modells berücksichtigt, wobei auch Stanzen aus der systematischen Biopsie mit signifikantem Krebs in das Modelltraining eingeschlossen wurden. Anschließend testeten Soerensen und Kollegen das KI-Modell an 100 unabhängigen Fällen und berechneten AUC, Sensitivität, Spezifität und negativen Vorhersagewert (NPV) auf Läsionsebene. 

Es zeigte sich, dass die KI und die Radiologen in jeder Hinsicht ähnliche Leistungen erbrachten; es gab keine signifikanten Unterschiede. Das AI-Modell hatte eine Area under the Curve (AUC) von 0,79 ± 0,22, einen NPV von 0,66 ± 0,26, eine Sensititvität von 0,34 ± 0,41 und eine Spezifität von 0,99 ± 0,05. Die Radiologen erreichten eine AUC von 0,81 ± 0,22, einen NPV von 0,69 ± 0,28, eine Sensitivität von 0,37 ± 0,45 und eine Spezifität von 0,99 ± 0,05.

„In zukünftigen Arbeiten stellen wir uns vor, die Modell-Leistung mit Radiologen auf unterschiedlichen Qualifikationsniveaus zu vergleichen und die Leistung von Radiologen + KI mit der Leistung von Radiologen allein zu vergleichen“, kündigen die Forscher an.

(ms)