Dass lernende Algorithmen immer besser dazu taugen, Bilder nach Krankheitssignalen zu durchforsten: Dies ist schon weitherum bekannt. Es gab in jüngster Zeit ja vielbeachtete Fälle.

So meldete die Stanford University, dass ein «Deep Learning»-System jetzt Hautkrebs mit ebenso hoher Präzision erkennen kann wie erfahrene Dermatologen. Im Februar bewilligte die US-Aufsichtsbehörde FDA eine Software, welche dreidimensionale Ansichten des Herzens erarbeitet und dann, in einem zweiten Schritt, auch Diagnose-Vorschläge präsentiert. Und im März gab Google bekannt, dass es sein Künstliche-Intelligenz-System in der Brustkrebs-Diagnose mit dem Menschen aufnehmen könne.

Jetzt melden sich Mediziner des Universitätsspitals Zürich mit ähnlichen Erfolgsmeldungen. Konkreter: Am USZ-Institut für Diagnostische und Interventionelle Radiologie wurde eine Deep-Learning-basierte Software genutzt, um Brustkrebs in Mammographien zu entdecken. Das Resultat: Die Software zeigte ähnlich gute Resultate wie erfahrene Radiologen. 

Das Programm wurde in einem ersten Schritt mit einer Durchschnittsauswahl von Mammographien aus dem USZ-Bestand trainiert. Dann testete das Team um Anton Becker und Andreas Boss die Qualität der Aussagen durch Vergleich mit diversen weiteren Mammographie-Sammlungen; so zum Beispiel mit Kohorten mit hoher Brustkrebshäufigkeit oder mit einem Bestand aus Portugal, also mit einer völlig anderen Population.

Auf der Gegenseite suchten dann drei erfahrene Radiologen nach Brustkrebs-Signalen in den Bildern. Das Ergebnis: Das trainierte AI-Programm erreichte ungefähr die Leistung der Radiologen. Auch in einer Kohorte mit tiefer Brustkrebs-Neigung schaffte das System ähnliche Werte wie die Ärzte aus Fleisch und Blut.

Oder genauer: Die Radiologen waren durchgehend weniger sensitiv – das heisst, sie entdeckten Abweichungen weniger zuverlässig. Doch andererseits schnitten sie besser bei der Spezifität ab: Sie konnten die erfassten Läsionen besser einschätzen.

Zum Vergleich: In jüngst veröffentlichten Versuchen bei Google lokalisierte und erkannte das AI-System in 89 Prozent der Fälle einen Tumor in der Brust korrekt. In einer Vergleichsgruppe aus erfahrenen Pathologen – ohne Zeitdruck – lag die Quote bei 73 Prozent.

«Im Ergebnis zeigte sich, dass das trainierte Programm schon sehr nahe an die menschliche Leistung heranreicht», kommentiert Andreas Boss jetzt im USZ-Blog die Ergebnisse. Der Leitende Arzt am USZ erwartet, dass sich mit solchen Techniken insbesondere die Arbeit der Radiologen in den nächsten Jahren nachhaltig verändern wird – die maschinellen Befunde würden mehr und mehr als Hilfsmittel zur Bestätigung und Interpretation eingesetzt.

Boss ist beteiligt an einem Spin-off des USZ namens B-Rayz, welches Algorithmen zur Deutung von Röntgen- oder MRI-Bildern entwickelt. Beispielsweise kann man auf der B-Rayz-Seite seine Mammographie hochladen – und erhält eine Risikoanalyse durch Bestimmung der Brustdichte. Dies könnte auch die Ärzte in der Beurteilung des Brustkrebsrisikos einer Patientin unterstützen.