Künstliche Intelligenz erstellt Langzeitprognosen anhand von Thoraxaufnahmen
Anhand von Röntgenbildern in die Zukunft schauen: ein neues Analyseprogramm kann dies Realität werden lassen.
© iStock/robypangy
Auch unauffällige Röntgenbilder zeigen kleinere Anomalien wie beispielsweise Kalkablagerungen in der Aorta oder eine Herzvergrößerung, erläutern Dr. Michael T. Lu vom Department of Radiology des Massachusetts General Hospital in Boston und Kollegen. Das Team entwickelte ein auf dem Prinzip des sogenannten „Deep Learning“ basierendes Computerverfahren, das diese Bildinformationen nutzt, um die Überlebensprognose eines Patienten abzuschätzen.
Bei dieser Form des maschinellen Lernens imitieren künstliche neuronale Netzwerke die Lernvorgänge des menschlichen Gehirns. Sie sind in der Lage, komplexe Zusammenhänge in großen Datenmengen zu erkennen und dieses „Wissen“ prospektiv anzuwenden. Zunächst „trainierten“ die Forscher das Analyseprogramm an Zehntausenden Thorax-Röntgenaufnahmen von Teilnehmern einer radiologischen Screening-Studie. Anschließend testeten sie den Algorithmus an mehreren Tausend weiterer Studienpatienten.
Anhand einer einzigen Thorax-Röntgenaufnahme identifizierte die Software Personen mit hohem 12-Jahres-Sterberisiko zuverlässig. Ferner gelang eine Prognose im Hinblick auf einzelne Todesursachen (z.B. Lungenkarzinom, Herz-Kreislauf-Erkrankungen). Was diese Voraussagen für den klinischen Alltag bedeuten, lässt sich noch nicht sagen. Derzeit glauben die Autoren, dass die Technologien einen gezielteren Einsatz von Präventions- und Screeningmaßnahmen sowie die Optimierung bekannter Lebensstil-Risikofaktoren und der Ressourcenverteilung ermöglichen können.
Dr. Surafel Tsega von der Icahn School of Medicine at Mount Sinai in New York und Dr. Hyung J. Cho vom Department of Medicine an der New York University School of Medicine warnen aber vor zu viel Euphorie: „Wir sollten uns nicht an den Möglichkeiten berauschen, sondern uns darüber klar werden, welche Informationen wir tatsächlich kennen und welche Maßnahmen wir ergreifen möchten“, so die Kommentatoren.
Quellen:
1. Lu MT et al. JAMA Netw Open 2019; 2: e197416; doi: 10.1001/jamanetworkopen.2019.7416
2. Tsega S, Cho HJ. A.a.O. e197447; doi: 10.1001/jamanetworkopen.2019.7447
