KI-Ansatz übertraf menschliche Experten bei der Identifizierung von Gebärmutterhalskrebs-Vorstufen
Ein Forscherteam unter der Leitung von Ermittlern der National Institutes of Health und Global Good hat einen Computeralgorithmus entwickelt, mit dem digitale Bilder eines Gebärmutterhalses einer Frau analysiert und präkanzeröse Veränderungen, die ärztliche Hilfe erfordern, genau erkannt werden können. Dieser Ansatz der künstlichen Intelligenz (KI), der als automatisierte visuelle Bewertung bezeichnet wird, hat das Potenzial, das Screening von Gebärmutterhalskrebs zu revolutionieren, insbesondere in Umgebungen mit geringen Ressourcen.
Um die Methode zu entwickeln, verwendeten die Forscher umfassende Datensätze, um einen tiefen oder maschinellen Lernalgorithmus zu „trainieren“, um Muster in komplexen visuellen Eingaben wie beispielsweise medizinischen Bildern zu erkennen. Der Ansatz wurde gemeinsam von Ermittlern des National Cancer Institute (NCI) und von Global Good , einem Fonds von Intellectual Ventures, entwickelt und die Ergebnisse wurden von Experten der National Library of Medicine (NLM) unabhängig bestätigt. Die Ergebnisse wurden am 10. Januar 2019 im Journal des National Cancer Institute veröffentlicht. NCI und NLM sind Bestandteile von NIH.
„Unsere Ergebnisse zeigen, dass ein Deep-Learning-Algorithmus Bilder verwenden kann, die während des Routine-Screenings auf Gebärmutterhalskrebs gesammelt wurden, um präkanzeröse Veränderungen zu identifizieren, die sich unbehandelt zu Krebs entwickeln können“, sagte Mark Schiffman, MD, MPH von der Abteilung Krebs-Epidemiologie und Genetik des NCI und leitender Autor der Studie. „Tatsächlich war die Computeranalyse der Bilder bei der Identifizierung von Vorstufen besser geeignet als ein menschlicher Experte für Pap-Tests unter dem Mikroskop (Zytologie).“
Die neue Methode hat das Potenzial, in Umgebungen mit geringen Ressourcen einen besonderen Wert zu haben. Angehörige von Gesundheitsberufen verwenden in solchen Umgebungen derzeit ein Screening-Verfahren, das als visuelle Inspektion mit Essigsäure (VIA) bezeichnet wird. Bei diesem Ansatz trägt ein Gesundheitspersonal verdünnte Essigsäure auf den Gebärmutterhals auf und inspiziert den Gebärmutterhals mit bloßem Auge, wobei er nach einem „Aceto-Bleaching“ sucht, das auf eine mögliche Krankheit hinweist. Aufgrund seiner Bequemlichkeit und niedrigen Kosten wird VIA häufig dort eingesetzt, wo keine fortgeschritteneren Screening-Verfahren zur Verfügung stehen. Es ist jedoch bekannt, dass es ungenau ist und verbessert werden muss.
Die automatisierte visuelle Auswertung ist ähnlich einfach durchzuführen. Gesundheitspersonal kann während eines einzigen Besuchs ein Mobiltelefon oder ein ähnliches Kameragerät für die zervikale Untersuchung und Behandlung verwenden. Darüber hinaus kann dieser Ansatz mit minimaler Schulung durchgeführt werden. Dies macht ihn ideal für Länder mit begrenzten Gesundheitsressourcen, in denen Gebärmutterhalskrebs eine der häufigsten Ursachen für Erkrankungen und Todesfälle bei Frauen ist.
Für die Erstellung des Algorithmus verwendete das Forschungsteam mehr als 60.000 Zervixbilder aus einem NCI-Archiv von Fotos, die während einer in den 1990er Jahren in Costa Rica durchgeführten Studie zur Untersuchung von Gebärmutterhalskrebs gesammelt wurden. Mehr als 9.400 Frauen nahmen an dieser Bevölkerungsstudie teil, die bis zu 18 Jahre dauerte. Aufgrund des prospektiven Charakters der Studie erhielten die Forscher nahezu vollständige Informationen darüber, welche Veränderungen des Gebärmutterhalses zu Vorläufern wurden und welche nicht. Die Fotos wurden digitalisiert und dann zum Trainieren eines tiefen Lernalgorithmus verwendet, um zwischen zervikalen Zuständen, die eine Behandlung erfordern, und solchen, die keine Behandlung erfordern, zu unterscheiden.
Insgesamt zeigte der Algorithmus eine bessere Leistung als alle Standard-Screening-Tests bei der Vorhersage aller während der Costa Rica-Studie diagnostizierten Fälle. Bei der automatisierten visuellen Bewertung wurde ein Precancer mit einer größeren Genauigkeit (AUC = 0,91) als bei einem Expertengutachten (AUC = 0,69) oder einer konventionellen Zytologie (AUC = 0,71) identifiziert. Eine AUC von 0,5 zeigt einen Test an, der nicht besser als der Zufall ist, wohingegen eine AUC von 1,0 einen Test mit perfekter Genauigkeit bei der Erkennung einer Krankheit darstellt.
„Wenn dieser Algorithmus mit Fortschritten bei der HPV-Impfung, neuen HPV-Erkennungstechnologien und Verbesserungen bei der Behandlung kombiniert wird, ist es denkbar, dass Gebärmutterhalskrebs selbst in ressourcenarmen Umgebungen unter Kontrolle gebracht werden kann“, sagte Maurizio Vecchione, Vizepräsident von Global gut.
Die Forscher planen, den Algorithmus anhand einer Stichprobe repräsentativer Bilder von Gebärmutterhalskrebsvorstufen und normalem Gebärmutterhalsgewebe von Frauen in Gemeinden auf der ganzen Welt unter Verwendung einer Vielzahl von Kameras und anderen Bildgebungsoptionen zu trainieren. Dieser Schritt ist notwendig, da das Gebärmutterhals bei Frauen in verschiedenen geographischen Regionen geringfügig variiert. Das ultimative Ziel des Projekts ist es, den bestmöglichen Algorithmus für die allgemeine, offene Verwendung zu erstellen.
Über das National Cancer Institute (NCI): NCI leitet das National Cancer Program und die Bemühungen des NIH, die Prävalenz von Krebserkrankungen drastisch zu reduzieren und das Leben von Krebspatienten und ihren Familien zu verbessern, durch die Erforschung von Prävention und Krebsbiologie, die Entwicklung neuer Interventionen. und die Ausbildung und Betreuung neuer Forscher. Weitere Informationen zu Krebs finden Sie auf der NCI-Website unter cancer.gov oder beim NCI Contact Center, dem Cancer Information Service, unter 1-800-4-CANCER (1-800-422-6237).
Über die National Institutes of Health (NIH): Die NIH, die medizinische Forschungsagentur des Landes, umfasst 27 Institute und Zentren und ist Bestandteil des US-amerikanischen Department of Health and Human Services. Das NIH ist die Hauptbehörde des Bundes, die medizinische Grundlagenforschung, klinische und translationale Forschung betreibt und unterstützt, und untersucht die Ursachen, Behandlungen und Heilmethoden sowohl für häufige als auch für seltene Krankheiten. Weitere Informationen zu NIH und seinen Programmen finden Sie unter nih.gov .
Quelle: National Cancer Institute