Science

Künstliche Intelligenz kann Hirntumore besser klassifizieren als Ärzte

Tumore im Kopf lassen sich heute anhand der Magnetresonanztomografie (MRT) gut erkennen. Sie auf diese Weise auch zu klassifizieren, ist hingegen schwierig. Um die Art des Tumors richtig einordnen zu können, ist in der Regel die Entnahme einer Gewebeprobe (Biopsie) notwendig. Die Beurteilung der Probe durch den Mediziner oder die Medizinerin erfordert Zeit und jahrelange Erfahrung. Der Prozess ist für Patienten aber lebensnotwendig. Denn erst, wenn der Tumor klassifiziert ist, kann die bestmögliche Behandlung gewählt und eingeleitet werden. 

Mediziner*innen könnten bei dieser Aufgabe künftig von lernfähigen Algorithmen unterstützt und die Klassifizierung anhand von MRT-Daten präzisiert werden, wie eine aktuelle Studie der Karl-Landsteiner-Privatuniversität für Gesundheitswissenschaften in Krems ergeben hat. 

Methoden kombiniert

Ein internationales Forschungsteam rund um Andreas Stadlbauer vom Zentralinstitut für medizinische Radiologie-Diagnostik des Universitätsklinikums St. Pölten hat eine künstliche Intelligenz (KI) mit MRT-Daten von fast 170 ehemaligen Hirntumor-Patient*innen gefüttert. Mittels maschinellem Lernen wurden dabei die 5 häufigsten Hirntumore untersucht. Zum Einsatz kamen konkret kombinierte Bilddaten der sogenannten physiologischen und fortgeschrittenen („advanced“) MRT, welche einen detaillierten Einblick in die Struktur und den Stoffwechsel eines Tumors geben können. Bei der fortgeschrittenen MRT wird etwa die Durchblutung von Geweben oder die Verteilung von Wassermolekülen in Geweben dargestellt.

„Die physiologische MRT geht darüber hinaus und weist eine höhere Sensibilität gegenüber kleineren Gefäßen auf“, sagt Stadlbauer der futurezone. Hier werden Parameter wie Gefäßdurchmesser oder -dichte sowie Informationen zur Versorgung des Tumorgewebes mit Sauerstoff erfasst. Durch die Kombination der MRT-Methoden ist eine bessere Klassifizierung von Tumoren möglich – dabei entsteht allerdings eine erhöhte Datenmenge, die laut Stadlbauer oftmals nur von einer KI bewältigbar ist.

MRT-Daten zeigen etwa die Sauerstoffversorgung des Hirntumors

Präzisere Resultate

In der Testphase wurde die trainierte künstliche Intelligenz mit den MRT-Daten von 20 aktuellen Hirntumor-Patienten gefüttert und die Ergebnisse der Klassifizierung mit jenen von Medizinern verglichen. Dabei hat sich herausgestellt, dass die KI im Hinblick auf die Genauigkeit oder Fehlklassifikation besser abschneidet als das geschulte Fachpersonal. 

Hingegen ist die menschliche Intelligenz der künstlichen in Bezug auf Spezifität und Sensitivität der Beurteilung überlegen. Von einer hohen Spezifität spricht man dann, wenn gesunde Personen zuverlässig als gesund beurteilt werden – eine hohe Sensitivität hingegen ist dann gegeben, wenn kranke Individuen zuverlässig als krank erkannt werden. 

Verlaufskontrolle

Neben der Klassifizierung von Hirntumoren könnte die KI auch im Rahmen von Verlaufskontrollen interessant sein, so Stadlbauer. Nach einer Operation und der Bestrahlung oder Chemotherapie gebe es ihm zufolge alle 3 bis 6 Monate eine Nachsorge mit Zeitserien aus Bilddaten. Aktuelle werden dabei mit jenen der letzten Untersuchung verglichen. Das hat unter anderem den Zweck, mögliche Rezidive zu erkennen. Damit sind Tumore gemeint, die nach einer erfolgreichen Behandlung am gleichen Ort wieder auftreten.

Besteht die Vermutung auf ein Rezidiv, können normalerweise mehrere Monate vergehen, bis diese bestätigt wird. Laut Stadlbauer kann ein Rezidiv in dieser Zeit aber schon so groß anwachsen, dass es nicht mehr operabel ist. Mithilfe von lernfähigen Algorithmen könnten Rezidive früher erkannt werden. „Wenn das System aufgrund der physiologischen Bilddaten ein Rezidiv vorhersagen und berechnen kann, wie ein Tumor in 3 Monaten aussehen wird, könnten den Patient*innen lebensverlängernde Maßnahmen ermöglicht werden“, so der Forscher.

Neuronales Netzwerk

Aktuell arbeitet Stadlbauer daran, dass die physiologischen MRT-Daten nicht wie bisher manuell, sondern dank eines neuronalen Netzwerks automatisiert aufbereitet werden. Die weitere Zukunft einer solchen KI wird sich dann erst zeigen. Denn ob sich ein solches System zur Klassifizierung von Hirntumoren einmal etablieren wird, hänge laut Stadlbauer in erster Linie von dessen Akzeptanz bei Radiolog*innen ab. „Grundsätzlich ist das Interesse von Kliniken groß, aber Radiologen haben aktuell noch Bedenken, dass die KI ihre Arbeit übernehmen könnte“, erzählt er. 

Das System soll ihnen allerdings als Zweitmeinung dienen und das Fachpersonal bei ihrer Beurteilung unterstützen – es jedoch nicht ersetzen. Generell sei ein solches System in der Medizin Stadlbauer zufolge jedenfalls eine klinisch sinnvolle Zusatzanwendung, die den Patient*innen ein längeres Überleben sichern könnte. 

Künstliche Intelligenz erkennt Krebszellen

Ein auf maschinellem Lernen basierter Algorithmus namens ikarus kann zwischen gesunden und krebskranken Zellen unterscheiden. ikarus wurde von einem Forschungsteam rund um Altuna Akalin, Leiter der Technologieplattform „Bioinformatik und Omics-Datenwissenschaft“ am Max-Delbrück-Center für Molekulare Medizin in der Helmholtz-Gemeinschaft (MDC), entwickelt. 

Der lernfähige Algorithmus hat in Tumorzellen ein typisches Muster festgestellt, das auf Krebs hindeutet. Konkret handelt es sich dabei um eine unverkennbare Kombination aus Genen. 
Auch hat ikarus Gen-Arten entdeckt, die bislang nicht zweifelsfrei mit Krebs in Zusammenhang gebracht wurden. Im Rahmen des Forschungsprojekts wurde ikarus in einem ersten Schritt mit Daten von Lungen- und Darmkrebszellen gefüttert und trainiert – später kamen auch andere Tumorarten hinzu. 

Zellen einteilen

ikarus’ Aufgabe war es zunächst, charakteristische Gene ausfindig zu machen, um so die Zellen richtig einteilen zu können. Nach seiner Trainingsphase war er imstande, zuverlässig zwischen gesunden und krebskranken Zellen zu unterscheiden. 

Ob die Methode allerdings für sämtliche Tumorarten funktioniert, ist derzeit noch nicht vorhersehbar.  Vorerst soll die künstliche Intelligenz auch an anderen Krebsarten getestet werden.

Klicken Sie hier für die Newsletteranmeldung

Hat dir der Artikel gefallen? Jetzt teilen!

Andreea Bensa-Cruz

Andreea Bensa-Cruz beschäftigt sich mit neuesten Technologien und Entwicklungen in der Forschung – insbesondere aus Österreich – behandelt aber auch Themen rund um Raumfahrt sowie Klimawandel.

mehr lesen