NewsMedizinMetaanalyse: Künstliche Intelligenz erkennt Krankheiten so gut wie Ärzte
Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...

Medizin

Metaanalyse: Künstliche Intelligenz erkennt Krankheiten so gut wie Ärzte

Mittwoch, 25. September 2019

/stock.adobe.com

Birmingham ­– Künstliche Intelligenz (KI) diagnostiziert Krankheiten auf Basis bildge­bender Untersuchungen offenbar vergleichbar gut wie Ärzte. Zu diesem Ergebnis kommt eine Metaanalyse, deren Ergebnisse allerdings „nur auf einer Handvoll qualitativ hoch­wertiger Studien“ beruhen und deshalb mit einer gewissen Vorsicht interpretiert werden sollten, wie die Forscher um Seniorautor Alastair Denniston vom University Hospitals Birmingham NHS Foundation Trust in Lancet Digital Health berichten (doi: 10.1016/S2589-7500(19)30123-2).

Als qualitativ hochwertig bewerteten Denniston und seine Koautoren Studien, die 2 Kriterien erfüllten: Die KI-Modelle mussten zum einen extern validiert sein, sprich mittels medizinischer Aufnahmen (MRT, CT, Ultraschall, optische Kohärenztomographie, Röntgen) einer anderen Patientenpopulation. Zum anderen musste ein direkter Vergleich der KI mit Ärzten im gleichen Datensatz erfolgen.

Diese Qualitätskriterien erfüllten den Autoren zufolge gerade einmal 14 von mehr als 30.000 in einer Literatursuche identifizierten Studien. Eine Metaanalyse dieser wenigen Studien zeigte allerdings, das KIs tatsächlich in der Lage sind, ein breites Spektrum von Krankheiten – von Krebs bis Augenerkrankungen - ebenso akkurat zu erkennen wie Ärzte. „Aber es ist wichtig anzumerken, dass KIs nicht substanziell besser abschnitten als die menschlichen Diagnostiker“, wird Denniston in einer Pressemitteilung zitiert.

KIs erreichten im Schnitt eine Sensitivität von 87 %, während Ärzte 86,4% der Krank­heiten anhand der Bildgebung richtig erkannten. Die Spezifität der KIs lag bei 92,5 %, während Ärzte Krankheiten in 90,5 % der Fälle sicher ausschließen konnten.

KIs nutzen eine Technik namens Deep Learning, dabei handelt es sich um den Einsatz von Algorithmen, Big Data und Rechenleistung, um menschliches Lernen und Intelligenz nachzubilden. Mithilfe des Deep Learning können KIs Tausende von bildgebenden Aufnahmen analysieren, um Erkrankungsmuster zu identifizieren. Das Potenzial dieser Technik, die Genauigkeit und Geschwindigkeit von Diagnosen zu verbessern, gilt als enorm. Berichte, dass Deep-Learning-Modelle Menschen bei der Diagnostik überlegen sein könnten, haben für viel Aufregung und Diskussion gesorgt.

Doch die wahre diagnostische Leistungskraft von KIs bleibe weitgehend unklar, da es an Studien mangele, die die Leistung von Mensch und Maschine direkt verglichen oder die Leistung der KI in einer echten klinischen Umgebung validierten, so die Autoren um Denniston.

Kritik an praxisfernen Studien

Die Autoren bemängeln darüber hinaus, dass Deep Learning häufig isoliert beurteilt worden sei, in einer Art und Weise, die die klinische Praxis nicht widerspiegele – auch in den 14 analysierten Studien. So erhielten beispielsweise nur in 4 davon die Ärzte zusätzliche klinische Informationen, die sie in der klinischen Praxis normalerweise nutzen würden, um eine Diagnose zu stellen.

Außerdem seien nur wenige prospektive Studien in einer echten klinischen Umgebung durchgeführt worden. Doch um die diagnostische Genauigkeit zu ermitteln, seien qualitativ hochwertige Vergleiche in Patienten erforderlich, nicht nur in Datensätzen, so Denniston und seine Koautoren.

Das richtige Studiendesign ist entscheidend

Auf der einen Seite bestehe der Wunsch, neue, potenziell lebensrettende Diagnoseverfahren einzusetzen. Auf der anderen Seite müsse aber hochwertige Evidenz in einer Art und Weise gesammelt werden, dass Patienten und Gesundheitssysteme in der klinischen Praxis auch davon profitieren könnten, so Erstautor Xiaoxuanso Erstautor Xiaoxuan Liu von der University of Birmingham, UK, laut einer Pressemitteilung.

Liu warnt davor, dass ohne ein geeignetes Studiendesign leicht ein Bias entstehen könne, der die Ergebnisse verzerre. Mögliche Folge: Die KIs schneiden in den Studien hervor­ragend ab, aber die diagnostische Leistung lässt sich anschließend nicht auf die klinische Praxis übertragen.

Livia Faes vom Moorfields Eye Hospital in London, gemeinsam mit Liu Erstautorin des Papers, ergänzte, dass letztlich gezeigt werden müsse, wie sich die Anwendung einer KI auf Patienten-Outcomes auswirke: „Diese Evidenz muss aus randomisiert-kontrol­lierten Studien mit alternativen Diagnosetests kommen“. Bislang gebe es aber kaum Studien, in denen tatsächlich basierend auf den diagnostischen Entscheidungen der KIs behandelt wurde, um sich dann Outcomes anzusehen, die für den Patienten wirklich zählen, wie eine zeitnahe Behandlung, die Länge des Kranken­haus­auf­enthalts und das Überleben. © nec/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

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
Mit Robotertechnologie gegen Viren
2. April 2020
Tübingen – Wissenschaftler im Bereich der künstlichen Intelligenz (KI) wollen sich weltweit besser mit den Gesundheitswissenschaften vernetzen, um SARS-CoV-2 zu bekämpfen. „Wesentlich für die
LNS

Fachgebiet

Anzeige

Weitere...

Aktuelle Kommentare

Archiv

NEWSLETTER