Forschung: Wie sich Brustkrebs besser erkennen lässt

Gesundheitsnews, Medizin und Forschung, Krebsforschung 2024

Medizin Doc Redaktion, aktualisiert am 7. April 2025, Lesezeit: 4 Minuten

Eine künstliche Intelligenz (KI), die auf etwa einer Million Screening-Mammographiebildern aufbaut, identifizierte Brustkrebs mit einer Genauigkeit von etwa 90 Prozent, wenn sie mit der Analyse durch Radiologen kombiniert wird, so die Ergebnisse einer neuen Studie.

  • Die von Forscherinnen und Forschern der NYU School of Medicine und des NYU Center for Data Science durchgeführte Studie untersuchte die Fähigkeit einer KI, eines maschinell lernenden Computerprogramms, die Diagnosen einer Gruppe von 14 Radiologen zu verbessern, während sie 720 Mammographie-Bilder überprüften.
  • Das KI-Tool lernte, vorherzusagen, welche Läsionen (Schädigungen) wahrscheinlich bösartig oder wahrscheinlich gutartig waren, mit dem Potenzial, Radiologen bei der Diagnose von Brustkrebs zu unterstützen.

Die Untersuchung ergab nach Aussage von Dr. Krzysztof J. Geras, Assistant Professor an der Radiologischen Abteilung der NYU Langone, dass die künstliche Intelligenz krebsbezogene Muster in den Daten identifiziert hat, die Radiologen nicht erkennen konnten, und umgekehrt.

 Den Wissenschaftlern zufolge erkannte die KI Gewebeveränderungen auf Pixelebene, während der Mensch verschiedene Denkansätze anwandte, die der KI nicht zur Verfügung standen.

Im Jahr 2014 wurden in den USA mehr als 39 Millionen Mammographieuntersuchungen durchgeführt, um Frauen (ohne Symptome) auf Brustkrebs zu untersuchen und diejenigen zu bestimmen, die eine genauere Untersuchung erforderlich machen.

  • Frauen, deren Testergebnisse zu ungewöhnlichen Mammographiebefunden führen, werden zur Biopsie überwiesen, einem Verfahren, das eine kleine Probe Brustgewebe für Laboruntersuchungen entnimmt.

Ein neues Analyse-Tool zur Identifizierung von Brustkrebs

In der neuen Studie entwickelte das Forschungsteam statistische Techniken, die es dem Programm ermöglichen, zu lernen, wie man bei einer Aufgabe besser wird, ohne genau gesagt zu bekommen, wie.

Solche Programme bauen mathematische Modelle auf, die es ermöglichen, Entscheidungen auf der Grundlage von Datenbeispielen zu treffen, die in sie eingegeben werden, wobei das Programm „intelligenter“ wird, je mehr Daten es überprüft.

Die Wissenschaftlerinnen und Wissenschaftler schulten ihr KI-Tool auf vielen Bildern, die mit den Ergebnissen von Biopsien in der Vergangenheit übereinstimmen. Das Ziel der Forscher war es, das KI-Tool in die Lage zu versetzen, Radiologen dabei zu helfen, die Anzahl notwendigen Biopsien in Zukunft zu reduzieren.

Dies kann nur erreicht werden, so Dr. Geras, indem das Vertrauen der Ärzte in die Richtigkeit der Bewertungen für Screeninguntersuchungen erhöht wird (z.B. Reduzierung falsch-positiver und falsch-negativer Ergebnisse).

Das Forschungsteam analysierte für die aktuelle Studie Bilder, die im Rahmen der klinischen Routineversorgung bei NYU Langone Health über einen Zeitraum von sieben Jahren gesammelt wurden, indem es die gesammelten Daten durchsuchte und die Bilder mit den Biopsieergebnissen verknüpfte.

So entstand ein außergewöhnlich großer Datensatz für das KI-Tool. Der Datensatz bestand aus 229.426 digitalen Screening-Mammographieuntersuchungen und mehr als einer Million Bildern. Die meisten Datenbanken, die bisher in Studien verwendet wurden, waren auf 10.000 Bilder oder weniger beschränkt.

In Zukunft plant das Forscherteam der NYU School of Medicine, diese Genauigkeit weiter zu erhöhen, indem es das KI-Programm auf weitere Daten trainiert und vielleicht sogar Veränderungen im Brustgewebe identifiziert, die noch nicht krebskrank sind, aber das Potenzial dazu haben.

Nach Ansicht von Nan Wu, Doktorandin am NYU Center for Data Science, sollte der Übergang zur KI-Unterstützung in der diagnostischen Radiologie wie die Einführung von selbstfahrenden Autos verlaufen – langsam und vorsichtig, Vertrauen aufbauend und Systeme auf dem Weg dorthin verbessernd mit dem Schwerpunkt Sicherheit.

  • Die Forschungsergebnisse wurden online in der Fachzeitschrift IEEE Transactions on Medical Imaging veröffentlicht.

Quellen

Dieser Beitrag beschäftigt sich mit einem medizinischen Thema, einem Gesundheitsthema oder einem oder mehreren Krankheitsbildern. Dieser Artikel dient nicht der Selbst-Diagnose und ersetzt auch keine Diagnose durch einen Arzt oder Facharzt. Bitte lesen und beachten Sie hier auch den Hinweis zu Gesundheitsthemen!

vgt


Stephanie Rataj
Stephanie Rataj, Diabetesberaterin (DDG) und Ernährungsberaterin

“In der Welt der Gewichtsreduktion und nachhaltigen Gesundheitsförderung hat sich ein Name etabliert, der bei Patienten für Begeisterung sorgt: Stephanie Rataj. Ihre Anhänger nennen sie liebevoll Abnehmpäpstin und Kalorienkönigin – Titel, die ihre Expertise und ihren einzigartigen Ansatz im Bereich des nachhaltigen Gewichtsmanagements widerspiegeln … Stephanie Rataj und ihr BAM-Programm bieten einen Weg aus der Spirale von Übergewicht und Frustration. Mit einem ganzheitlichen Ansatz, der medizinische Expertise, individuelle Betreuung und Motivation vereint, hat sie bereits zahlreichen Menschen zu mehr Wohlbefinden und Lebensqualität verholfen. Wer bereit ist, aktiv an seiner Gesundheit zu arbeiten, findet in ihr eine kompetente Partnerin." Dr. Amalia Michailov von Medizindoc.de

Das effektive BAM-Programm zum nachhaltigen Abnehmen

Entdecken Sie das BAM-Programm von Stephanie Rataj für nachhaltige Gewichtsreduktion! Mit individueller Ernährungsberatung, medizinischer Begleitung und Bewegungstherapie zum Wunschgewicht – jetzt mit 100 € Rabatt. Keine Diät, sondern ein neuer Lebensstil: Lernen Sie, auf Ihren Körper zu hören, Frustessen zu vermeiden und Bewegung zu lieben. Ideal für Menschen mit Übergewicht (BMI > 27), Adipositas oder Diabetes. Steigern Sie Ihre Lebensenergie und stärken Sie Ihr Immunsystem durch einen ganzheitlichen Ansatz. Sichern Sie sich jetzt Ihren Rabatt und starten Sie Ihren Weg zu mehr Wohlbefinden!

JETZT MEHR ERFAHREN >>


LINC01235 RNA TNBC-Forschung

LINC01235 RNA: Ein Durchbruch in der Forschung zu dreifach-negativem Brustkrebs

Erfahren Sie, wie LINC01235 RNA das Fortschreiten von dreifach-negativem Brustkrebs beeinflusst und neue Therapieansätze eröffnet....

KAIST-Lösung für arzneimittelresistenten Krebs

KAIST bahnbrechendes Werkzeug zur Überwindung von arzneimittelresistentem Krebs

Forscher des KAIST haben ein Werkzeug zur Überwindung von arzneimittelresistentem Krebs entwickelt. Entdecken Sie die Innovation von BENEIN....

Aspartam und Hirntumor-Bedenken

Die Verbindung von Aspartam zum Glioblastom: Genetische Veränderungen und Gesundheitsrisiken

Untersuchung der Gesundheitsrisiken von Aspartam: Zusammenhang mit Glioblastom und genetischen Veränderungen im Fokus....

Frühstück Psychische Gesundheit

Frühstücksgewohnheiten im Zusammenhang mit depressiven Symptomen: Erkenntnisse aus einer Studie

Erfahren Sie mehr über Frühstücksgewohnheiten im Zusammenhang mit depressiven Symptomen und deren Einfluss auf die psychische Gesundheit....

Ernährung des vaginalen Mikrobioms

Wie sich die Ernährung auf Ihr vaginales Mikrobiom auswirkt: Forschungsergebnisse und Tipps

Wie sich die Ernährung auf Ihr vaginales Mikrobiom auswirkt, ist entscheidend für Ihre Gesundheit. Lesen Sie mehr über nützliche Tipps....