Das größte Problem bei der Diagnose von Hirntumoren ist laut Universität nicht die Erkennung der Krebserkrankung an sich, sondern deren genaue Klassifizierung. Genau die sei aber entscheidend für die Wahl der bestmöglichen Behandlungsoptionen.
Das Forscherteam um Professor Andreas Stadlbauer vom Zentralinstitut für medizinische Radiologie-Diagnostik im Universitätsklinikum St. Pölten verwendete nun die Daten der Magnetresonanztomografien (MRT) von 167 früheren Patientinnen und Patienten. Untersucht wurden jene fünf Hirntumore, die am häufigsten auftreten.
Dabei wurden unterschiedliche Formen des MRT angewendet, die anschließend kombiniert wurden. Konkret handelte es sich sowohl um fortgeschrittene (advanced) als auch um physiologische MRT. Mit diesen Ergebnissen verglichen die Forscherinnen und Forscher 20 aktuelle Hirntumorpatientinnen und -patienten. Im direkten Vergleich mit der Diagnose zweier Radiologen habe sich die Künstliche Intelligenz sehr gut bewährt.
Computergestützte Hilfe bei „Herkulesaufgabe“
Die Kombination mehrerer MRT-Methoden könne zwar bessere Ergebnisse bringen, dadurch entstehen aber zwangsläufig mehr Daten, erklärt Stadlbauer: „Wir haben nun analysiert, ob und wie eine Künstliche Intelligenz mittels Machine Learning in die Lage versetzt werden kann, geschultes Fachpersonal bei dieser Herkulesaufgabe zu unterstützen."
Die Ergebnisse seien vielversprechend: "Wenn es um Genauigkeit, Präzision und das Vermeiden von Fehlklassifikationen geht, dann kann eine Künstliche Intelligenz Hirntumore anhand von MRT-Daten gut klassifizieren.“ In anderen Bereichen, der Sensitivität und Spezifität der Beurteilung, seien Ärztinnen und Ärzte hingegen dem Computer nach wie vor überlegen.
Vorteilhafte Kombination mit einem Nachteil
Ein Ersatz für menschliche Diagnostik sei die Künstliche Intelligenz daher noch nicht – vielmehr „eine Ergänzung für eine Klassifikation durch qualifiziertes Fachpersonal“, meint Stadlbauer. Nachteil dieses Ansatzes sei aktuell noch der hohe Aufwand dieses Ansatzes. „Doch bietet er eine Möglichkeit, dessen Potenzial es für den klinischen Alltag weiter zu verfolgen gilt“, so der Forscher der Landsteiner-Universität.