Sie sind hier: HomeRubrikenSonstige

News, Produkte, Fachartikel zu Stromversorgungen, Batterien, Akkus, AC/DC-Wandler, DC/DC-Wandler, Energy Harvesting, Power Management, Wireless Power

Künstliche Intelligenz: Neue Wege bei der Brustkrebserkennung

Forscher haben ein Programm entwickelt, das unter auffälligen Gewebeveränderungen in der Brust diejenigen erkennt, die sich im weiteren Verlauf zu Krebs entwickeln. So sollen zukünftig unnötige Biopsien und Operationen vermieden werden.

Kann künstliche Intelligenz dabei helfen, die Patientenversorgung bei Verdacht auf Brustkrebs zu verbessern? Bildquelle: © Pixabay

Kann künstliche Intelligenz dabei helfen, die Patientenversorgung bei Verdacht auf Brustkrebs zu verbessern?

Brustkrebs ist mit etwa 31 Prozent die häufigste Krebserkrankung bei Frauen. Wird er rechtzeitig entdeckt, stehen die Heilungschancen gut. Die Mammographie ist zurzeit die beste verfügbare Methode. Aber auch sie ist nicht perfekt, sondern führt in vielen Fällen zu falsch positiven Befunden, die nicht selten unnötige Biopsien und Operationen nach sich ziehen.

Eine häufige Ursache für falsch positive Ergebnisse sind so genannte Hochrisikoläsionen, die bei Mammogrammen verdächtig erscheinen und anomale Zellen aufweisen, wenn sie durch die Nadelbiopsie getestet werden. In diesem Fall wird der Patient typischerweise einer Operation unterzogen, um die Läsion zu entfernen. Allerdings erweist sich diese bei etwa 90 Prozent als gutartig, stellte also keine Lebensgefahr für die Patientin dar.  

Doch wie können unnötige Operationen verhindert werden, während die wichtige Rolle der Mammographie bei der Krebsfrüherkennung beibehalten wird? Wissenschaftler des Massachusetts Institute of Technology und des Computer Science and Artificial Intelligence Laboratory sowie Ärzte des Massachusetts General Hospital und der Harvard Medical School glauben, die Antwort darauf gefunden zu haben: mithilfe künstlicher Intelligenz. Die Wissenschaftler haben eine Methode entwickelt, die mittels maschinellen Lernens erkennen kann, welche Läsionen sich wahrscheinlich zu Krebs entwickeln werden.  

Das Modell berücksichtigt neben den traditionellen Risikofaktoren, wie das Alter der Patientinnen und die Histologie der Läsionen, auch die Demografie, Familiengeschichte  sowie frühere Biopsien und Pathologieberichte. Nach einer Übungsphase testeten die Forscher das Modell an 335 Läsionen. Dabei lag die Trefferquote bei 97 Prozent, die Anzahl der unnötigen Operationen sank um 30 Prozent.