NewsMedizinKünstliche Intelligenz könnte Lebenserwartung im Röntgenthorax erkennen
Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...

Medizin

Künstliche Intelligenz könnte Lebenserwartung im Röntgenthorax erkennen

Montag, 22. Juli 2019

AdobeStock_6540387

Boston – Der Röntgenthorax, die häufigste radiologische Untersuchung überhaupt, könnte mehr über den Patienten verraten, als die meisten Ärzte ahnen. Eine in JAMA Network Open (2019; doi: 10.1001/jamanetworkopen.2019.7416) vorgestellte künstliche Intelligenz teilte die Patienten in verschiedene Gruppen, deren Mortalität sich um den Faktor 15 bis 18 unterschied.

Jeder Klinikradiologe befundet im Verlauf seines Lebens abertausende von Röntgen­thorax-Aufnahmen. Seine Aufgabe besteht zwar meist in der Beantwortung gezielter Fragen (zum Beispiel: Pneumonie ja oder nein?). Radiologen entwickeln aber im Verlauf ihrer Tätigkeit ein Gespür für den Zustand der Patienten, ohne sie persönlich gesehen zu haben. Ob ihr Gefühl zutrifft oder täuscht, erfahren sie hingegen nicht, da sie meist keine Informationen über das weitere Schicksal der Patienten erhalten.

Auch ein Computer kann ein Gespür für den Patienten entwickeln. Es wird von den IT-Spezialisten künstliche Intelligenz genannt. Die Lebenserfahrung erwirbt der Rechner durch maschinelles Lernen. Das maschinelle Lernen arbeitet mit sogenannten neuronalen Netzwerken, die beim Computer natürlich nicht aus Nervenzellen, sondern aus Algorithmen bestehen. So wenig wie der Radiologe sein Gespür in Worte fassen kann, so undurchsichtig bleiben die Algorithmen des maschinellen Lernens. Sie werden von der Software selbst entworfen und ständig durch neue Erfahrungen angepasst.

Ein wesentlicher Vorteil des maschinellen Lernens ist, dass es anders als die Radiologen Informationen über das spätere Schicksal der Patienten berücksichtigt. Das „Convolutional Neural Network“ (CNN), ein von biologischen Prozessen inspiriertes Konzept im Bereich des maschinellen Lernens, das der Radiologe Michael Lu vom Massachusetts General Hospital in Boston und Mitarbeiter zur Analyse von Röntgenthorax-Aufnahmen eingesetzt hat, wurde in einem ersten Schritt an den Daten der PLCO-Studie („Prostate, Lung, Colorectal, and Ovarian Cancer Screening Trial“) geschult. Die Software erfuhr, welche der 10.464 Teilnehmer der PLCO-Studie im Verlauf von 12,2 Jahren gestorben sind. Die Software sollte in den Röntgenthorax-Aufnahmen dieser 1.402 Teilnehmer (13,4 Prozent) nach Merkmalen suchen, die sie von den übrigen Teilnehmern unterschied.

Das Ergebnis war ein CXR-Score, der im zweiten Schritt an 5.493 Teilnehmern der NLST-Studie („National Lung Screening Trial“) überprüft wurde. In dieser Studie waren in 6,3 Jahren 374 Teilnehmer (6,8 Prozent) gestorben.

Am Ende lieferte der CXR-Score eine recht gute Vorhersage der Lebensprognose der Patienten. Von den 2.543 Teilnehmern der PLCO-Studie mit einem sehr niedrigen CXR-Score waren nur 97 (3,8 Prozent) gestorben. In der Gruppe mit einem sehr hohen CXR-Score starben 250 von 472 Teilnehmern (53,0 Prozent). Die Hazard Ratio von 18,3 war mit einem 95-Prozent-Konfidenzintervall von 14,5 bis 23,2 hoch signifikant.

Nach Berücksichtigung von neun radiologischen Befunden und zehn klinischen Risikofaktoren sank die Hazard Ratio zwar auf 4,8 (3,6 bis 6,4). Dies zeigt jedoch, dass der Software mehr aufgefallen war, als die Bilder den Radiologen zeigen. Die neun radiologischen Befunde waren: Lungenknoten, schwere Atelektase, Pleuraplaque oder Erguss, Lymphadenopathie, Brustwand- oder Knochenläsion, chronisch obstruktive Lungenerkrankung oder Lungenemphysem, Lungenverschattungen, Kardiomegalie oder andere kardiovaskuläre Anomalien und Lungenfibrose. Die zehn klinischen Risikofaktoren waren Alter, Geschlecht, Raucherkategorie, Diabetes, Bluthochdruck, Adipositas, Untergewicht und früherer Myokardinfarkt, Schlaganfall und Krebs.

Die Überprüfung an der NLST-Studie lieferte ein ähnliches Bild. Ein hoher CXR-Score zeigte ein 15,2-fach erhöhtes Sterberisiko an (9,2 bis 25,3). Nach Berücksichtigung von radiologischen und klinischen Merkmalen sank die Hazard Ratio auf 7,0 (4,0 bis 12,1).

Noch ist unklar, welchen Nutzen eine solche Risikoabschätzung hätte. Ein hoher CXR-Score könnte jedoch den Arzt veranlassen, seinen Patienten in der Folge genauer zu untersuchen, um bei einer Erkrankung frühzeitig intervenieren zu können, meint Hyung Cho von den New York City Health and Hospitals im Editorial. Ob dies dem Patienten nutzt, müsste dann in weiteren Studien untersucht werden. © rme/aerzteblatt.de

Liebe Leserinnen und Leser,

diesen Artikel können Sie mit dem kostenfreien „Mein-DÄ-Zugang“ lesen.

Sind Sie schon registriert, geben Sie einfach Ihre Zugangsdaten ein.

Oder registrieren Sie sich kostenfrei, um exklusiv diesen Beitrag aufzurufen.

Loggen Sie sich auf Mein DÄ ein

E-Mail

Passwort


Mit der Registrierung in „Mein-DÄ“ profitieren Sie von folgenden Vorteilen:

Newsletter
Kostenfreie Newsletter mit täglichen Nachrichten aus Medizin und Politik oder aus bestimmten Fachgebieten
cme
Nehmen Sie an der zertifizierten Fortbildung teil
Merkfunktion
Erstellen Sie Merklisten mit Nachrichten, Artikeln und Videos
Kommentarfunktion und Foren
Kommentieren Sie Nachrichten, Artikel und Videos, nehmen Sie an Diskussionen in den Foren teil
Job-Mail
Erhalten Sie zu Ihrer Ärztestellen-Suche passende Jobs per E-Mail.

Leserkommentare

E-Mail
Passwort

Registrieren

Um Artikel, Nachrichten oder Blogs kommentieren zu können, müssen Sie registriert sein. Sind sie bereits für den Newsletter oder den Stellenmarkt registriert, können Sie sich hier direkt anmelden.

LNS

Nachrichten zum Thema

28. Mai 2020
Singapur − Die wenigsten Hausärzte sind in der Spiegelung des Augenhintergrundes so versiert, dass sie eine Stauungspapille sicher erkennen. Eine Digitalkamera und eine spezielle
Ophthalmologie: Künstliche Intelligenz erkennt Papillenödem auf Fundusfoto
20. Mai 2020
New York − Während einer Epidemie mit einem hoch ansteckenden Erreger wie SARS-CoV-2 kann eine rasche Diagnose eine nosokomiale Ausbreitung verhindern. Eine Klinik im Epizentrum der Epidemie
COVID-19: Künstliche Intelligenz ermöglicht schnelle Diagnose vor PCR-Test
28. April 2020
München – Experten der Plattform Lernende Systeme (PLS) fordern unabhängige Prüfstellen, die Künstliche-Intelligenz(KI)-Systeme für die Medizin zertifizieren, und Kontrollmechanismen, die nur
Wissenschaftler wollen unabhängige Prüfstellen zum Einsatz von künstlicher Intelligenz
28. April 2020
Berlin – Wissenschaftler vom Pathologischen Institut der Charité – Universitätsmedizin Berlin haben gemeinsam mit Forschern der Technischen Universität Berlin ein Bildanalysesystem entwickelt, das mit
Digitales Bildanalysesystem unterstützt Pathologen bei Beurteilung mikroskopischer Präparate
14. April 2020
London – Viele Studien, die behaupten, dass künstliche Intelligenz (KI) medizinische Bilder ebenso gut oder besser beurteilen kann als menschliche Experten, sind von schlechter Qualität und „wohl auch
Fähigkeit von künstlicher Intelligenz bei der Bildbeurteilung möglicherweise überschätzt
8. April 2020
München – Mit den großen Chancen, aber auch den Risiken von Systemen mit Künstlicher Intelligenz (KI) im Gesundheitswesen und möglichen Lösungsvorschlägen befasst sich der Bericht Sichere KI-Systeme
Bessere Medizin mit Künstlicher Intelligenz
7. April 2020
Odense/Quingdao/München – Roboter können bei der Bekämpfung des Coronavirus SARS-CoV-2 hilfreich sein, so etwa bei der Desinfektion in Krankenhäusern. Ein Beispiel dafür ist der Desinfektionsroboter
VG WortLNS

Fachgebiet

Anzeige

Weitere...

Aktuelle Kommentare

Archiv

NEWSLETTER