NewsMedizinDeep-Learning-Algo­rithmen klassifizieren Leukämie-Blutproben auf Experten-Niveau
Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...

Medizin

Deep-Learning-Algo­rithmen klassifizieren Leukämie-Blutproben auf Experten-Niveau

Freitag, 27. Dezember 2019

Blutprobe /dpa
/dpa

München – Deep-Learning-Algorithmen können bei der Klassifizierung von Blutproben von Patienten mit akuter myeloischer Leukämie (AML) eine vergleichbare Leistung erbringen wie Fachleute. Das berichten Wissenschaftler des Helmholtz Zentrums München und des Klinikums der Ludwig-Maximilians-Universität München (LMU) in Nature Machine Intelligence (2019; doi: 10.1038/s42256-019-0101-9).

Die Forscher weisen daraufhin, dass in medizinischen Labors und Kliniken täglich Millionen einzelner Blutzellen angeschaut und klassifiziert werden. „Ausgebildete Zytologen untersuchen die Zellen in gefärbten Blutausstrichen und teilen diese in etwa 15 verschiedene Kategorien ein. Dieser Klassifizierungsprozess ist anfällig für Qualitätsschwankungen und erfordert die Anwesenheit und das Fachwissen eines Experten“, so die Wissenschaftler.

Für ihre Proof-of-Concept-Studie entwickelten sie daher ein neuronales Deep-Learning-Netzwerk. Dieses wurde mit fast 20.000 Einzelbildern trainiert, um Zellen selbstständig klassifizieren zu können. Das Forschungsteam um Leiter Carsten Marr und Christian Matek vom Institut für Computational Biology am Helmholtz Zentrum München nutzte dazu Bilder, die aus Blutausstrichen von 100 Patienten mit der aggressiven Blutkrankheit AML und 100 Kontrollen extrahiert wurden.

Die Wissenschaftler verglichen die maschinelle Auswertung mit der von menschlichen Experten. Das Ergebnis zeigte, dass das von Künstlicher Intelligenz (KI)-gesteuerte Verfahren diagnostisch relevante Blasten, also Vorläuferzellen der weißen Blutkörperchen, die normalerweise nur im Knochenmark zu finden sind, „mindestens so gut identifiziert wie ein ausgebildeter Zytologe“, so die Forscher.

„In unserer Publikation konnten wir beweisen, dass Deep-Learning-Algorithmen eine ähnliche Leistung erzielen können wie Zytologen. In einem nächsten Schritt werden wir untersuchen, wie gut andere Krankheitsbilder, beispielsweise genetische Mutationen oder Translokationen, mit dieser neuen KI-gesteuerten Methode vorhergesagt werden können“, so Marr. © hil/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.

Avatar #79783
Practicus
am Montag, 30. Dezember 2019, 15:59

Lieber Kollege Schätzler

Kommentieren Sie nichts, von dem Sie nichts verstehen!
Ist der Go-Weltmeister "KI" bz "AI" oder "machine learning"?
Machine Learning ist eine Methode, mit der ein Algorithmus "lernt", einen Datensatz nach unterschiedlichen Eigenschaften zu beurteilen - wobei letztlich gar nicht mehr beschrieben werden kann, WIE der Algorithmus zu seiner Einschätzung kommt. Machine Learning produziert seine Ergebnisse wie ein routinierter Fachmann sein "Bauchgefühl". Bei der Beurteilung von Mammografien "entdeckt" so ein Algorithmus schon mal einen Tumor, der auf dem beurteilten Bildausschnitt gar nicht sichtbar ist.
ML benutzt zwar bestimmte "Marker", aber in völlig anderer Weise als das ein Pathologe tut, darunter Eigenschaften eines Bildes, die so ohne weiteres mit menschlichen Sinnen gar nicht erkennbar sind.
Algorithmen sind nie müde oder unkonzentriert, nicht schlecht gelaunt oder von häuslichen Problemen abgelenkt, sie übersehen nichts und vergessen nichts - und werden immer besser, je länger sie im Einsatz sind...
Die Letztentscheidung liegt natürlich immer beim "human doctor"
Avatar #106067
dr.med.thomas.g.schaetzler
am Freitag, 27. Dezember 2019, 21:08

Machine Learning (ML) vs. künstliche Intelligenz (KI)

"Machine Learning" (ML) ist nicht künstliche Intelligenz (KI)

"Scalable prediction of acute myeloid leukemia using high-dimensional machine learning and blood transcriptomics" von Stefanie Warnat-Herresthal
https://www.cell.com/iscience/fulltext/S2589-0042(19)30525-5
beschreibt nur "Machine Learning" (ML) und nicht künstliche Intelligenz (KI).

ML beschreibt nur maschinellere, schnellere und präzisere, von subjektiven Gefühlen und emotionalen Einschätzungen frei bleibende bzw. aber auch nur stereotype Erkennungen von Markern. ML kann z. B. eineiige Zwillinge oder Masken bei der Gesichtserkennung nicht unterscheiden bzw. detektieren.

Ex-post eine Trefferquote "oberhalb von 99 Prozent" zu postulieren, erscheint nicht nur wissenschaftlich verwegen. Diese wurde auch bei dem Heiscreen-Skandal um einen angeblich serienreifen Bluttest auf Brustkrebs an der Universitätsklinik Heidelberg behauptet und von der BILD-Zeitung multimedial umgesetzt, um irreführend-falsche Hoffnungen bei Millionen von Frauen zu erwecken.

Mf+kG, Dr. med. Thomas G. Schätzler, FAfAM Dortmund
LNS
LNS LNS

Fachgebiet

Stellenangebote

    Weitere...

    Aktuelle Kommentare

    Archiv

    NEWSLETTER