Ein KI- System diagnostiziert Hirntumor in 150 Sekunden

Ein KI- System diagnostiziert Hirntumor in 150 Sekunden

New York, 7.1.2020

Humanpathologen benötigen etwa 30 Minuten für die Diagnose von Hirntumoren aus Gewebeproben, die während der Operation entnommen werden. Ein neues KI- System erledigt dies in weniger als 150 Sekunden – und das mit höherer Genauigkeit als seine menschlichen Kollegen.Entsprechende Forschungsergebnisse wurden kürzlich in „Nature Medicine“ veröffentlicht.

Beschrieben wird ein neuartiges Diagnoseverfahren, das die Leistungsfähigkeit der künstlichen Intelligenz mit einem fortschrittlichen optischen Abbildungsverfahren verbindet. Danach kann das System schnelle und genaue Diagnosen von Hirntumoren praktisch in Echtzeit durchführen, während der Patient noch auf dem Operationstisch liegt. Bei Tests hat die KI in einem Bruchteil der Zeit Diagnosen gestellt, die etwas genauer waren als die von Humanpathologen. Aufregend ist, dass das neue System auch in Bereichen eingesetzt werden könnte, in denen keine Experten für Neurologie zur Verfügung stehen, und es ist eine vielversprechende Technik, die auch andere Krebsarten diagnostizieren könnte – darunter in der Dermatologie, Gynäkologie, Brustchirurgie und Kopf- und Halschirurgie.

Bei Krebsoperationen ist es nicht ungewöhnlich, dass Chirurgen potenziell problematisches Gewebe für Laboranalysen entnehmen. Diese intraoperativen Biopsien ermöglichen genauere Diagnosen und helfen dem medizinischen Team, die nächsten Schritte zu planen, wie z.B. die Planung einer nachfolgenden Operation zur Entfernung des Tumors.

Laut der neuen Studie werden in den USA jährlich rund 1,1 Millionen Hirnproben biopsiert – alle werden von einem ausgebildeten Neuropathologen akribisch untersucht. Dieser Prozess ist, wie die Autoren in der Arbeit schreiben, „zeit-, ressourcen- und arbeitsintensiv“.

Tatsächlich umfassen diese Diagnosen mehr als ein Dutzend Schritte, darunter den Transport des Gewebes vom Operationssaal zum Labor und dessen vorübergehende Einfrierung, das Auftauen und Dehydratisieren der Probe, die Reinigung mit Xylol und das Einsetzen in ein Mikroskop zur Analyse – ganz zu schweigen von allen Schritten, die der Pathologe zur Beurteilung des Gewebes durchführen muss. Erschwerend kommt hinzu, dass es in den USA derzeit einen Mangel an Neuropathologen gibt.

Um diesen Prozess zu rationalisieren, entwickelten der Neurowissenschaftler Daniel Orringer und seine Kollegen an der New Yorker Universität ein Diagnoseverfahren, das eine leistungsstarke neue optische Bildgebungstechnik, die so genannte stimulierte Raman-Histologie (SRH), mit einem künstlich intelligenten tiefen neuronalen Netzwerk kombiniert. Die SRH nutzt gestreutes Laserlicht, um Merkmale zu beleuchten, die normalerweise in den Standard-Bildgebungsverfahren nicht zu sehen sind. Während der Operation werden die durch SRH aufgenommenen Bilder durch den KI-Algorithmus ausgewertet, der für seine Beurteilung weniger als 150 Sekunden benötigt, im Vergleich zu den 20 bis 30 Minuten, die von menschlichen Neuropathologen benötigt werden. Die Autoren „zeigten, wie die Kombination von SRH mit tiefem Lernen zur schnellen Vorhersage der intraoperativen Hirntumordiagnostik eingesetzt werden kann.“ Faszinierend ist, dass die KI auch in der Lage ist, Merkmale in den Biopsien zu erkennen, die für das menschliche Auge nicht sichtbar sind.

„Als Chirurgen sind wir darauf beschränkt, auf das zu reagieren, was wir sehen können; diese Technologie ermöglicht es uns, zu sehen, was sonst unsichtbar wäre, um die Geschwindigkeit und Genauigkeit im [Operationssaal] zu verbessern und das Risiko von Fehldiagnosen zu reduzieren“, sagte Orringer, der Seniorautor der Arbeit, in einer Presseerklärung. „Mit dieser Bildgebungstechnologie sind Krebsoperationen sicherer und effektiver als je zuvor.“

Um das tiefe neuronale Netz zu erstellen, trainierten die Wissenschaftler das System an 2,5 Millionen Bildern von 415 Patienten. Am Ende des Trainings konnte die KI das Gewebe in 13 gängige Formen von Hirntumoren einordnen, wie zum Beispiel bösartiges Gliom, Lymphom, metastatische Tumore, diffuses Astrozytom und Meningiom.

Eine klinische Studie mit 278 Hirntumor- und Epilepsie-Patienten und drei verschiedenen medizinischen Einrichtungen wurde dann eingerichtet, um die Wirksamkeit des Systems zu testen. Die SRH-Bilder wurden entweder von menschlichen Experten oder der KI ausgewertet. Die Ergebnisse zeigten, dass die KI den Tumor in 94,6 Prozent der Fälle korrekt identifiziert hat, während die Neuropathologen 93,9 Prozent der Fälle korrekt waren. Interessanterweise waren die Fehler der Menschen anders als die Fehler der KI. Das ist eigentlich eine gute Nachricht, denn sie legt nahe, dass die Art der Fehler der KI in Zukunft berücksichtigt und korrigiert werden kann, was zu einem noch genaueren System führt, so die Autoren.

„SRH wird das Gebiet der Neuropathologie revolutionieren, indem es die Entscheidungsfindung während der Operation verbessert und eine Beurteilung auf Expertenebene in den Krankenhäusern ermöglicht, in denen keine ausgebildeten Neuropathologen zur Verfügung stehen“, urteilte Matija Snuderl, ein Co-Autor der Studie und außerordentlicher Professor an der NYU Grossman School of Medicine.