Künstliche Intelligenz in der Mammadiagnostik - Anwendungsgebiete aus klinischer Perspektive
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Der Radiologe
Leitthema
Radiologe 2021 · 61:192–198 Pascal A. T. Baltzer
https://doi.org/10.1007/s00117-020-00802-2 Universitätsklinik für Radiologie und Nuklearmedizin, allgemeines Krankenhaus der Medizinischen
Angenommen: 21. Dezember 2020 Universität Wien, Wien, Österreich
Online publiziert: 28. Januar 2021
© Der/die Autor(en) 2021
Künstliche Intelligenz in der
Mammadiagnostik
Anwendungsgebiete aus klinischer
Perspektive
Der Arbeitsablauf in der Mammadia- gehensweise ist eine erhöhte Brustdichte Ein ungelöstes Problem des Brust-
gnostik lässt sich in 3 Bereiche auftei- mit einem erhöhten Risiko, an Brustkrebs krebs-Screenings ist die sog. Überdia-
len: Früherkennung (Screening), Abklä- zu erkranken, assoziiert [2, 3]. Zudem gnose. Der Begriff beschreibt die Diagno-
rung von auffälligen Screeningbefunden beeinflusst die Brustdichte auch die Sen- se und Therapie von wenig aggressiven,
(Assessment) bzw. von symptomatischen sitivität der Mammographie: Je dichter die Prognose der Patientinnen nicht
Patientinnen (der Arbeitsablauf ist ähn- die Brust, desto weniger wahrscheinlich beeinflussenden Karzinomen [9]. Allein
lich) sowie das prätherapeutische Ma- werden gerade kleine Tumoren mittels am histologischen bzw. immunhisto-
nagement bekannter Karzinome inklusi- Mammographie detektiert [4]. Ein Sur- chemischen Tumortyp lässt sich ein
ve der Beurteilung des Ansprechens auf rogatmarker für die Anzahl verpasster, Brustkrebs derzeit nicht verlässlich als
neoadjuvante Therapien und der präope- biologisch aggressiver Tumoren spiegelt klinisch relevant oder irrelevant bewer-
rativen Markierung bildgebender Befun- sich in der Rate von Intervallkarzino- ten. Deshalb bleibt Überdiagnose ein
de (. Abb. 1). men wider [4, 5]. Intervallkarzinome klinisch abstrakter Begriff, und die Ra-
werden im Screening-Intervall klinisch ten überdiagnostizierter Karzinome las-
Früherkennung/Screening apparent. Dabei stellt die Brustdichte sen sich lediglich epidemiologisch durch
einen breit verfügbaren Biomarker dar, persistierend die Hintergrundinzidenz
Internationale Fachgesellschaften emp- welcher für eine individuell adaptierte übersteigende Tumordetektionsraten ab-
fehlen die Röntgenmammographie zur Screeningstrategie herangezogen werden schätzen. Das Problem der Überdiagnose
Früherkennung (Sekundärprävention) kann. Frauen mit erhöhter Brustdichte ist nicht die Diagnose selbst, sondern
von Brustkrebs [1]. Wenn auch die benötigen zusätzliche Tests zur Optimie- die daraus folgende Therapie [9]. Diese
Mammographie ein einfaches, relativ rung der Tumordetektionsraten [6]. Das folgt Leitlinien, welche neuen Erkennt-
kostengünstiges und vor allem robustes vielversprechendste Verfahren dafür ist nissen erst Rechnung tragen müssen.
Verfahren mit lange etablierten Qua- die Magnetresonanztomographie (MRT) Der Begriff Überdiagnose nebst der
litätssicherungsmaßnahmen darstellt, der Mamma. Eine prospektiv-randomi- damit verbundenen Kritik am Mammo-
sind die Schwächen dieser Herangehens- sierte Studie an Frauen mit quantitativ graphie-Screening ist somit irreführend
weise bekannt: Das Risiko für Brustkrebs erfasster extrem hoher Brustdichte konn- und weist auf ein überholtes Verständ-
ist in der weiblichen Bevölkerung nicht te überzeugende Zahlen zur Reduktion nis von Medizinethik und Wissenschaft
gleichverteilt. Während Frauen mit be- der Intervallkarzinome und damit biolo- hin: Vielmehr ist die Diagnose solcher
kannter Genmutation mit sehr hoher gisch signifikanter Befunde belegen [5]. Tumoren notwendig für die Entwick-
Wahrscheinlichkeit im Laufe ihres Le- Dieser Ansatz wurde zudem als kosten- lung verbesserter diagnostischer und
bens an Brustkrebs erkranken, trifft die- effektiv bewertet [7]. Gemessen an den therapeutischer Strategien. Die Diskus-
se Erkrankung andere Frauen niemals. Intervallkarzinomraten wäre ein Einsatz sion dieses Begriffs verschleiert auch
Die Bestimmung des Brustkrebsrisikos der MRT auch bei mäßig erhöhter Brust- das wirkliche Problem der Brustkrebs-
ist Gegenstand interdisziplinärer For- dichte erwägenswert [4]. Bei suffizienter diagnostik: die Unterdiagnose klinisch
schung und wird hier nicht im Detail Einbindung in RIS/PACS-Systeme könn- signifikanter Mammakarzinome, direkt
behandelt. Als mutmaßlich wichtigster te der Prozess einer individualisierten messbar an Intervallkarzinomen und
unabhängiger Risikofaktor gilt die mam- Auswahl passender Untersuchungen und der trotz Verbesserung der diagnosti-
mographische Brustdichte. Sie lässt sich Untersuchungsintervalle in der Scree- schen und therapeutischen Verfahren
sowohl subjektiv kategorial nach dem ningsituation mittels künstlicher Intel- weiterhin sehr hohen Sterblichkeit an
BI-RADS-Lexikon als auch quantitativ ligenz (KI) weitgehend automatisiert Brustkrebs [10]. Die breite Verfügbarkeit
bestimmen. Unabhängig von der Heran- werden ([8]; . Abb. 1). funktioneller bildgebender Biomarker
192 Der Radiologe 2 · 2021
ausreichende Sicherheit, um einen Ver-
zicht auf Biopsie zu rechtfertigen [21]),
stellt sie einen zusätzlichen Aufwand dar
und kann die Situation durch potenzielle
falsch-positive Befunde verkomplizieren
[22, 23]. Während der ökonomische
Aufwand stark von den politisch akzep-
tierten Kosten der alternativen Verfah-
rensweisen abhängt (für die MRT der
Mamma Faktor 10 und höher in Ländern
mit vergleichbarem sozioökonomischem
Status), ist der organisatorische Aufwand
einfacher zu bemessen. Selbst bei guter
Verfügbarkeit von Magnetresonanzto-
mographien ist eine Verzögerung des
Managements von zumindest Stunden,
wahrscheinlicher Tagen zu erwarten.
Gerade deshalb erfreut sich die Kon-
trastmittel-Mammographie trotz klar
unterlegener diagnostischer Aussage-
kraft großer Beliebtheit [24, 25]. Nicht
zu unterschätzen sind auch multipara-
metrische Ultraschallverfahren [26]. Alle
lassen sich noch vor Ort mit geringem
Zeitverlust einsetzen. Hier ergeben sich
mehrere Einsatzgebiete für KI-basierte
Lösungen [27–29]. Zum einen könnte
Abb. 1 8 Flussdiagramm der typischen Abläufe der Mammadiagnostik, beginnend mit der Früher- die individuelle Patienteninformation
kennung (Screening). Potenzielle Interaktionen mit Methoden der künstlichen Intelligenz (KI) werden zusammen mit bisher erhobenen bildge-
durch die Boxen links und gestrichelte Pfeile aufgezeigt benden Befunden in einer KI-basierten
Managementempfehlung münden [30].
hat ein großes Potenzial, mit Hilfe in- Befunde der Patientin für ihre Manage- Dank Machine Learning lassen sich aus
dividualisierter Phänotypisierung von mententscheidung in Betracht ziehen standardisierten Routinekriterien objek-
Brustkrebs Therapieentscheidungen zu müssen. Diese ist im Fall bildgebend tivierbare klinische Entscheidungsregeln
unterstützen. Zur Integration dieser In- oder klinisch eindeutig lokalisierbarer erstellen, zuletzt überzeugend als der
formationsfülle werden Verfahren der Auffälligkeiten einfach: Internationale Kaiser-Score für die MRT der Mam-
KI mit hoher Wahrscheinlichkeit erfor- Richtlinien empfehlen die perkutane ma. Diese klinische Entscheidungsregel
derlich ([11, 12]; . Abb. 1). Biopsie zur sicheren Diagnose [14–16]. (http://www.meduniwien.ac.at/kaiser-
Weiterführende Bildgebung wird vorran- score/) ermöglicht sichere Diagnosen
Abklärung von Screening- gig zur Planung von Biopsien eingesetzt. von kontrastmittelaffinen Läsionen und
Recalls und symptomatischen Diffuse, schlecht lokalisierbare Prozes- hat ihren (Mehr)wert in multiplen kli-
Patientinnen se lassen sich nicht direkt biopsieren nischen Szenarien gezeigt (. Abb. 2;
[17]. Das gilt mit Einschränkung auch [31–33]). Möglicherweise noch elegan-
Auch aufgrund erheblicher Unterschiede für ausgedehnte, nichtsolide Prozesse, ter ist der Einsatz KI-basierter Systeme
bei der Vergütung medizinischer Leis- wie Verkalkungen. Die Biopsie eines zur automatisierten Evaluation bildge-
tungen zwischen verschiedenen Ländern Teils der Verkalkung mag einen gutar- bender Veränderungen im Sinne einer
erfolgt die Abklärung auffälliger Befun- tigen Befund ergeben, schließt jedoch Zweitmeinung mit dem Ergebnis einer
de weniger einheitlich als das Screening. Malignität in den Augen erfahrener objektiven und möglicherweise verbes-
Neben gezielten mammographischen Kliniker nicht ausreichend aus („samp- serten Einschätzung des Karzinomrisi-
Aufnahmen bieten sich vor einer bild- ling error“). Eine Möglichkeit stellen kos (. Abb. 3 und 4). Ein KI-Algorithmus
gezielten Biopsie weitere diagnostische weiterführende bildgebende Verfahren kann dabei eine Wahrscheinlichkeit für
Verfahren wie Ultraschall, Kontrastmit- dar [17–20]. Während die Magnetre- das Vorliegen der gesuchten Pathologie
tel-Mammographie oder MRT an ([13]; sonanztomographie mit Sicherheit das (z. B. invasiver Brustkrebs) ausgeben.
. Abb. 1). Die Wahl der weiterführen- akkurateste Verfahren in diesem Setting Befunde mit sehr niedrigem Risiko
den Diagnostik obliegt den jeweiligen ist (nur die MRT erreicht aufgrund ihres könnten gefahrlos verlaufskontrolliert
RadiologInnen, welche die individuellen hohen negativen Vorhersagewerts eine werden [34, 35]. Der Einsatz von KI
Der Radiologe 2 · 2021 193
Zusammenfassung · Abstract
Radiologe 2021 · 61:192–198 https://doi.org/10.1007/s00117-020-00802-2
© Der/die Autor(en) 2021
P. A. T. Baltzer
Künstliche Intelligenz in der Mammadiagnostik. Anwendungsgebiete aus klinischer Perspektive
Zusammenfassung
Klinisches/methodisches Problem. Bei der Methodische Innovationen. Künstliche Abläufen, die Reduktion monotoner und
Mammadiagnostik gilt es, klinische sowie Intelligenz (KI) verspricht Abhilfe bei praktisch ergebnisloser Tätigkeiten und den Hinweis
multimodal bildgebende Informationen mit allen Problemen der Mammadiagnostik. auf mögliche Fehler ist eine Beschleunigung
perkutanen und operativen Eingriffen zu Potenziell lassen sich Fehlbefunde vermeiden, von dann weitgehend fehlerfreien Abläufen
koordinieren. Aus dieser Komplexität entsteht bildgebende Verfahren effizienter einsetzen denkbar.
eine Reihe von Problemen: übersehene und möglicherweise auch biologische Empfehlung für die Praxis. In diesem Beitrag
Karzinome, Überdiagnose, falsch-positive Be- Phänotypen von Mammakarzinomen werden die Anforderungen der Mammadia-
funde, unnötige weiterführende Bildgebung, definieren. gnostik und mögliche Einsatzgebiete der
Biopsien und Operationen. Leistungsfähigkeit. Auf KI basierende der KI beleuchtet. Je nach Definition gibt es
Radiologische Standardverfahren. Fol- Software wird für zahlreiche Anwendungen bereits praktisch anwendbare Softwaretools
gende Untersuchungsverfahren werden entwickelt. Am weitesten fortgeschritten sind für die Mammadiagnostik. Globale Lösungen
in der Mammadiagnostik eingesetzt: Systeme für das Screening mittels Mammo- stehen allerdings noch aus.
Röntgenmammographie, Tomosynthese, graphie. Probleme sind monozentrische sowie
kontrastangehobene Mammographie, kurzfristig am finanziellen Erfolg orientierte Schlüsselwörter
(multiparametrischer) Ultraschall, Magnetre- Ansätze. Brustkrebs · Früherkennung · Mammographie ·
sonanztomographie, Computertomographie, Bewertung. Künstliche Intelligenz (KI) Software · Personalisierte Medizin
nuklearmedizinische Verfahren sowie deren verspricht eine Verbesserung der Mamma-
Hybridvarianten. diagnostik. Durch die Vereinfachung von
Artificial intelligence in breast imaging. Areas of application from a clinical perspective
Abstract
Clinical/methodological issue. Central Methodological innovations. Artificial intelli- workflow, by reducing monotonous tasks
to breast imaging is the coordination of gence (AI) promises to alleviate practically all and by pointing out problems. This is likely
clinical and multimodal imaging information these problems of breast imaging. AI has the to set free physician capacities that could be
with percutaneous image-guided biopsies potential to avoid missed cancers and false- invested in improved communication with
and surgical procedures. A wide range of positive findings. Furthermore, it could guide patients and interdisciplinary colleagues.
problems arise due to this complexity: missed an efficient use of imaging methods and it Practical recommendations. The present
cancers, overdiagnosis, false-positive findings, may potentially be used to define biological article mainly addresses clinical needs in
unnecessary further imaging, biopsies and phenotypes of breast cancer. breast imaging, pointing out potential areas
surgeries. Performance. AI-based software is being of use for artificial intelligence. Depending on
Standard radiological methods. Breast imag- developed for various applications. Most the definition, a wide array of helpful software
ing comprises the following diagnostic tests: developed are systems that support tools for breast imaging are already available.
mammography, tomosynthesis, contrast- mammography screening. Problems are Global solutions, however, are still missing.
enhanced mammography, (multiparametric) monocentric approaches and the focus on
ultrasound, magnetic resonance imaging, short-term financial success. Keywords
computed tomography, nuclear medicine Achievements. AI promises to improve breast Breast cancer · Early diagnosis · Mammogra-
derived imaging and hybrid methods. imaging by simplifying and speeding up the phy · Software · Precision medicine
kann damit potenziell unnötige wei- gehensweise: sofortige Operation oder angewendet [37]. Eine akkurate Diagno-
terführende Bildgebung und Eingriffe neoadjuvante medikamentöse Behand- se der Vitalität residueller Tumoranteile
vermeiden. lung [36]. Spezielle Entscheidungen oder ein frühzeitig im Therapieverlauf
werden jedoch durch den bildgebenden mittels bildgebender Marker zu dia-
Management bekannter Befund entscheidend beeinflusst. Das gnostizierendes Therapieversagen wären
Karzinome Lokalstaging ist eine Domäne der Bild- für die Adaption von Therapiestrate-
gebung und bestimmt die Möglichkeit gien äußerst wünschenswert [38]. Jede
Das Management histologisch gesicher- einer brusterhaltenden Therapie. Auch Operation, auch solche nach neoadju-
terKarzinome stellteinendrittenSchwer- die Lymphknotendiagnostik und ggf. vanter Therapie, erfordert zumindest
punkt der Bildgebung nebst bildgeziel- gezielte Biopsie von Lymphknoten hat in bei diffusen, multifokalen oder klinisch
ter Interventionen dar (. Abb. 1). Der den letzten Jahren an Bedeutung gewon- nichtpalpablen Befunden eine operative
immunhistochemisch am Biopsiepräpa- nen [16]. Im Fall neoadjuvanter Thera- Markierung der Befunde, anhand derer
rat determinierte Tumortyp bestimmt pien werden bildgebende Verfahren zur sich ChirurgInnen in situ orientieren
weitgehend die therapeutische Heran- Beurteilung des Therapieansprechens können [16]. Gerade in diesem Bereich
194 Der Radiologe 2 · 2021
a b c
Abb. 2 8 Der Kaiser-Score, eine klinische Entscheidungsregel in Form eines Flussdiagramms für die Magnetresonanztomo-
graphie (MRT) der Mamma. Der Befunder folgt dem Flussdiagramm und beantwortet 3 Fragen zur Ausprägung von BI-RADS-
konformen Diagnosekriterien. Der Kaiser-Score lässt sich auch online (http://www.meduniwien.ac.at/kaiser-score/) abrufen.
Der untere Bildabschnitt zeigt einen klinischen Fall (von extern als BI-RADS4 zur MRT-gezielten Biopsie überwiesene Patien-
tin). Die frühe kontrastangehobene Subtraktion (a) zeigt eine regionale, pflastersteinartige Non-mass-Läsion. Die einzelnen
Befunde sind relativ umschrieben und zeigen in den späten Postkontrastaufnahmen (b) einen persistierenden Signalanstieg
(Typ 1 Kurve), kein Korrelat in der fettgesättigten T2w-Sequenz (c). Daraus ergibt sich ein Kaiser-Score von 1 (gutartiger Be-
fund). Bei Unsicherheit des jeweiligen Befunders bezüglich der umschriebenen Randstruktur könnte sich alternativ ein Kai-
ser-Score von 3 ergeben. Das Management bliebe gleich, auf eine Biopsie kann verzichtet werden. Die Patientin wurde einer
Verlaufskontrolle zugeführt und zeigte einen stabilen Befund über 3 Jahre. (Mod. nach [47])
fehlt es an klaren Standards aufgrund rung nebst Spracherkennung möglichst zur Fehlererkennung, zur Identifizierung
der starken Variabilität der individuellen unmittelbar nach der Untersuchung er- von unauffälligen Befunden sowie zur
Fälle [39]. KI-basierte Ansätze könnten wartet. [8]. Die Verbesserung der bild- Vermeidung von Fehlern. All das lässt
hier Abläufe entscheidend optimieren gebenden Gerätetechnik hat zusammen sich auch bereits im Vorfeld bei der Stel-
[8, 27]. mit effizienteren digitalen Arbeitsplätzen lung der Untersuchungsindikation und
in den letzten Jahrzehnten zu einer ausge- Bildakquisition anwenden. Der rein di-
Einsatzgebiete der künstlichen prägten Verdichtung der radiologischen gitale Arbeitsplatz erlaubt eine flexible
Intelligenz Arbeit geführt [40, 41]. Radiologische Einbindung von softwarebasierten Lö-
Leistungen im Jahr 2020 werden insbe- sungen der genannten Probleme.
Radiologische Herausforderungen sondere außerhalb spezialisierter akade-
mischer Einrichtungen im Akkord er- Erforschung der KI
Die obigen Ausführungen und . Abb. 1 arbeitet. Für einen der zentralen Punk-
zeigen verschiedene attraktive Ansatz- te der Diagnostik, nämlich die Befund- Künstliche Intelligenz ist generell ein un-
punkte für die Anwendung von künstli- vermittlung an Patienten und Zuweiser scharfer Ausdruck, welcher in den ver-
cher Intelligenz in der Mammadiagnostik bleibt wenig Zeit [42]. Genau diese Pro- gangenen Jahrzehnten seit seiner Prä-
auf. Computertechnik hat in der heuti- bleme lassen sich potenziell durch KI- gung vielfach inflationär eingesetzt wur-
gen Radiologie einen zentralen Stellen- Verfahren lösen [8]. Der weit gefasste de [8, 27, 28]. Gerade in der Radiolo-
wert, Befunde werden dank Digitalisie- Begriff umschließt dabei Anwendungen gie wurde die Rolle der KI oftmals gro-
Der Radiologe 2 · 2021 195
Leitthema
in trübem Wasser vergleichen. Der For-
scher hofft auf einen wertvollen Fund,
muss diesen allerdings unter Unmen-
gen irrelevanter Ergebnisse identifizie-
ren. Ohne auf die Datenschutzproble-
matik einzugehen, ist auch die Zusam-
menarbeit mit der Wirtschaft in diesem
Fall nicht gefahrlos. Die zumindest auf
mittelfristigen finanziellen Erfolg ausge-
richtete Strategie von Unternehmen im-
pliziert eine Vernachlässigung der Sorg-
faltspflicht, mangelhafte Kritikund Über-
bewertung von ökonomischem Potenzi-
al [46]. Wie bereits für genomische und
proteomische Forschung angeregt, stel-
len nur große interdisziplinäre Kollabo-
rationen zwischen Forschern und Unter-
nehmen einen nachhaltigen Ansatz dar
[45].
Integration in den klinischen Alltag
Die Erstellung eines KI-Tools impliziert
noch keine problemfreie Anwendung.
Wie kürzlichganzausgezeichnetineinem
dedizierten Artikel zusammengefasst, er-
fordert die produktive Anwendung von
KI-Lösungen ganz grundlegende orga-
Abb. 3 8 Beispiele für einen Radiomics basierten KI Algorithmus [34] zur Einschätzung des Karzinom- nisatorische und administrative Schritte
risikos von mammographisch suspekten BI-RADS4 Mikroverkalkungen. Der KI Algorithmus bewertete
die Läsionen als niedriges Risiko (A: benignes Biopsieergebnis), hohes Risiko (B: DCIS), niedriges Risiko [8]. Der beste Algorithmus zur Klassifi-
(C: benignes Biopsieergebnis) und hohes Risiko (D: DCIS) kation von Herdbefunden ist beispiels-
weise hilflos, wenn eine uneinheitliche
Serienbezeichnung (z. B. nach einem
tesk überschätzt [8]. Künstliche Intelli- dererseits schwerer zu realisieren. Einfa- Softwareupdate des Geräteherstellers)
genz impliziert Autonomität und Krea- cher, weil die Aufnahmen bildgebender die Identifikation des zu analysierenden
tivität. Beides trifft auf die heute verfüg- Verfahren direkt als Daten verstanden Bildmaterials nicht ermöglicht. Gerade
baren Verfahren, welche von statistischer werden können [43]. Schwerer, weil die bei KI-Lösungen in größerem Maßstab
Klassifikation bis hin zu Deep Learning Forschung auf dem Gebiet große Da- lässt sich der Fehler dann nicht einfach
reichen, nicht zu. Die durch Fortschritte tenmengen zielorientiert filtert, also di- lokalisieren und die präzise Definition
in der Computertechnik erreichten Stei- rekten Hypothesen folgt. Ohne vorhe- des Workflows und der Fehlermeldung
gerungen der Rechenkapazität gestatten rige Standardisierung der Datenarchive sind entscheidend für die Lösung des
heute die Anwendung erheblich kom- ist der Erfolg dieses Ablaufs jedoch li- Problems. Natürlich ließe sich dies durch
plexerer Modelle bzw. eine zeiteffiziente mitiert [44]. Der klassische Ansatz von eine weitere KI-Lösung oder Vernetzung
Anwendung derselben [29]. Das ermög- kleinen Forschungsgruppen, welche mit der Techniken beheben, was nur die ak-
licht zwar die Lösung komplexer, nicht- beschränkten lokalen Datenbanken Er- tuelle Problematik widerspiegelt: Ein
linearer Probleme, erfordert aber ent- gebnisse generieren und publizieren, ist Großteil der Forscher und Unterneh-
sprechend robuste Lösungen. Fehlende bei Studien zur künstlichen Intelligenz men arbeiten in einer Art Goldrausch an
Robustheit oder Generalisierbarkeit von gefährlich. Die Vielzahl der verfügba- eigenen und originellen Lösungen, und
Algorithmen der KI stellt die Achillesfer- ren Daten, welche miteinander assozi- wie schon bei anderen Industriezweigen
se derselben dar. Sie hängt kritisch von iert werden, impliziert eine hohe Ra- ist die Definition von KI-spezifischen
der verfügbaren Datenmenge und der er- te falsch-positiver Forschungsergebnisse. Standards eine der großen Herausfor-
reichbaren Standardisierung ab [8]. Der Insbesondere bei limitierter Studienqua- derungen für das ganze Gebiet [8, 27,
klassische translationale Ansatz von aka- lität können die echten (richtig-positi- 46].
demischer Forschung, deren Ergebnis- ven) Ergebnisse verschleiert werden [44,
se durch Unternehmen kommerzialisiert 45]. Man kann Forschung auf dem Ge-
werden, ist hier einerseits einfacher, an- biet der KI mit industriellem Fischfang
196 Der Radiologe 2 · 2021
Abb. 4 8 Arbeitsablauf für einen Radiomics-basierten KI-Algorithmus für einen Klassifikationstask (hier: Differenzierung be-
nigner und maligner Befunde). Der Datensatz mit Daten aus der Magnetresonanztomographie (MRT) zeigt eine suffiziente
Menge benigner (grün) und maligner (rot) Befunde. Dynamische Kontrastmittelanreicherungsdaten werden dreidimensio-
nal extrahiert und für das Training eines KI-Algorithmus verwendet (mittlerer Bildanteil). Essenziell ist dabei die Trennung zwi-
schen Training des Algorithmus und dem Test desselben. Die verwendeten Machine-Learning-Verfahren neigen in unter-
schiedlichem Ausmaß zur Überanpassung an die verwendeten Fälle, die Genauigkeit wird in diesem Fall deutlich überschätzt,
was sich an einer schlechteren Performance an einem unabhängigen Testdatensatz zeigt. Für robuste Algorithmen ist daher
eine Validierung, heute meist Kreuzvalidierung erforderlich. Die globale Genauigkeit und mögliche klinisch sinnhafte Cut-off
Werte lassen sich mit ROC-Analyse testen (mittlererAbschnitt oben). Die Anwendung des Algorithmus in einer prämenopau-
salen Patientin mit multiplen Herdbefunden ergab einen suspekten Befund ventral und einen nicht suspekten Befund dorsal
(rechts oben parametrische Karte, rechtsunten T2w-Aufnahme). Es handelte sich bei allen Herden um Fibroadenome
und müssen auf diese zugeschnitten Für diesen Beitrag wurden von den Autoren keine
Fazit für die Praxis Studien an Menschen oder Tieren durchgeführt.
werden. Für die aufgeführten Studien gelten die jeweils dort
4 Verfahren der künstlichen Intelligenz 4 Echte, überregionale und fächer- angegebenen ethischen Richtlinien.
versprechen eine nachhaltige Ver- übergreifende KI-Lösungen für die
Open Access. Dieser Artikel wird unter der Creative
besserung der Mammadiagnostik Senologie sind zwar bereits abzuse- Commons Namensnennung 4.0 International Lizenz
durch Vereinfachung von Abläufen, hen, jedoch in den nächsten Jahren veröffentlicht, welche die Nutzung, Vervielfältigung,
Reduktion monotoner und ergebnis- noch nicht zu erwarten. Bearbeitung, Verbreitung und Wiedergabe in jegli-
chem Medium und Format erlaubt, sofern Sie den/die
loser Tätigkeiten und den Hinweis auf ursprünglichen Autor(en) und die Quelle ordnungsge-
mögliche Fehler. mäß nennen, einen Link zur Creative Commons Lizenz
Korrespondenzadresse beifügen und angeben, ob Änderungen vorgenom-
4 Die dadurch freigesetzten ärztli-
men wurden.
chen Kapazitäten könnten in eine Pascal A. T. Baltzer
verbesserte Kommunikation mit Universitätsklinik Die in diesem Artikel enthaltenen Bilder und sonstiges
PatientInnen und interdisziplinären für Radiologie und Drittmaterial unterliegen ebenfalls der genannten
Nuklearmedizin, allgemeines Creative Commons Lizenz, sofern sich aus der Abbil-
KollegInnen im Sinne einer persona- dungslegende nichts anderes ergibt. Sofern das be-
Krankenhaus der
lisierten Medizin eingesetzt werden. Medizinischen Universität treffende Material nicht unter der genannten Creative
4 Der vorliegende Text hat mit dem Wien Commons Lizenz steht und die betreffende Handlung
nicht nach gesetzlichen Vorschriften erlaubt ist, ist für
Ziel einer kommerziell neutralen Währinger Gürtel 18–20,
die oben aufgeführten Weiterverwendungen des Ma-
Präsentation absichtlich bereits 1090 Wien, Österreich terials die Einwilligung des jeweiligen Rechteinhabers
pascal.baltzer@ einzuholen.
erhältliche Produkte (zumeist für
meduniwien.ac.at
die Anwendung im Screening nebst Weitere Details zur Lizenz entnehmen Sie bitte der
quantitativer Brustdichtemessung) Lizenzinformation auf http://creativecommons.org/
Funding. Open access funding provided by Medical
von der Darstellung ausgeschlossen. licenses/by/4.0/deed.de.
University of Vienna.
Allen derzeit verfügbaren Lösungen
gemein ist das Fehlen eines echten Literatur
integrativen Ansatzes. Einhaltung ethischer Richtlinien
4 KI-basierte Tools benötigen für 1. Sardanelli F, Aase HS, Álvarez M et al (2017)
Position paper on screening for breast cancer by
eine zielgerichtete Anwendung Interessenkonflikt. P.A.T. Baltzer gibt an, dass kein the European Society of Breast Imaging (EUSOBI)
eine genaue Definition der lokalen Interessenkonflikt besteht. and 30 national breast radiology bodies from
Bedürfnisse und Gegebenheiten Austria, Belgium, Bosnia and Herzegovina, Bul-
Der Radiologe 2 · 2021 197
Leitthema
garia, Croatia, Czech Republic, Denmark, Estonia, 20. Spick C, Pinker-Domenig K, Rudas M et al 37. BeresfordM,PadhaniAR,GohVetal(2005)Imaging
Finland, France, Germany, Greece, Hungary, Ice- (2014) MRI-only lesions: application of diffusion- breast cancer response during neoadjuvant
land, Ireland, Italy, Israel, Lithuania, Moldova, The weighted imaging obviates unnecessary MR- systemic therapy. Expert Rev Anticancer Ther
Netherlands, Norway, Poland, Portugal, Romania, guided breast biopsies. Eur Radiol 24:1204–1210 5:893–905
Serbia, Slovakia, Spain, Sweden, Switzerland and 21. Bennani-Baiti B, Bennani-Baiti N, Baltzer PA 38. Antunovic L, De Sanctis R, Cozzi L et al (2019)
Turkey. Eur Radiol 27:2737–2743 (2016) Diagnostic performance of breast magnetic PET/CT radiomics in breast cancer: promising
2. McCormack VA, dos Santos Silva I (2006) Breast resonance imaging in non-calcified equivocal tool for prediction of pathological response to
density and parenchymal patterns as markers breast findings: results from a systematic review neoadjuvant chemotherapy. Eur J Nucl Med Mol
of breast cancer risk: a meta-analysis. Cancer and meta-analysis. PLoS ONE11:e160346 Imaging 46:1468–1477
Epidemiol Biomarkers Prev 15:1159–1169 22. Moy L, Elias K, Patel V et al (2009) Is breast 39. Sardanelli F, Trimboli RM, Houssami N et al (2020)
3. Pettersson A, Graff RE, Ursin G et al (2014) MRI helpful in the evaluation of inconclusive Solving the preoperative breast MRI conundrum:
Mammographic density phenotypes and risk of mammographic findings? AJR Am J Roentgenol design and protocol of the MIPA study. Eur Radiol
breast cancer: a meta-analysis. J Natl Cancer Inst 193:986–993 30:5427–5436
106:dju78 23. Spick C, Szolar DHM, Preidler KW et al (2018) 3 T 40. Ayyala RS, Baird GL, Sze RW et al (2020) The
4. Wanders JOP, Holland K, Veldhuis WB et al (2017) breast MR imaging as a problem-solving tool: growing issue of burnout in radiology—a survey-
Volumetric breast density affects performance of diagnostic performance and incidental lesions. based evaluation of driving factors and potential
digital screening mammography. Breast Cancer PLoS ONE 13:e190287 impacts in pediatric radiologists. Pediatr Radiol
Res Treat 162:95–103 24. Covington MF (2021) Contrast-enhanced mam- 50:1071–1077
5. Bakker MF, de Lange SV, Pijnappel RM et al (2019) mography implementation, performance, and use 41. Yamada A, Okajima Y, Yoshizawa E et al (2018)
Supplemental MRI screening for women with for supplemental breast cancer screening. Radiol Improvement in radiological reading efficiency
extremely dense breast tissue. N Engl J Med Clin North Am 59:113–128 and residents’ education and clinical contribution
381:2091–2102 25. Suter MB, Pesapane F, Agazzi GM et al (2020) usingthemodifiedreadingsystem“TriageReader”.
6. Mann RM, Kuhl CK, Moy L (2019) Contrast- Diagnosticaccuracyofcontrast-enhancedspectral Jpn J Radiol 36:649–660
enhanced MRI for breast cancer screening. J Magn mammography for breast lesions: a systematic 42. Patel AK (2021) Breast radiology advocacy:
Reson Imaging 50:377–390 review and meta-analysis. Breast 53:8–17 responding to the call-to-action. Radiol Clin North
7. Kaiser CG, Dietzel M, Vag T et al (2020) Cost- 26. Kapetas P, Clauser P, Woitek R et al (2019) Am 59:13–17
effectiveness of MR-mammography vs. conven- Quantitative multiparametric breast ultrasound: 43. Gillies RJ, Kinahan PE, Hricak H (2015) Radiomics:
tional mammography in screening patients at application of contrast-enhanced ultrasound and images are more than pictures, they are data.
intermediate risk of breast cancer—A model- elastography leads to an improved differentiation Radiology 278:563–577
based economic evaluation. Eur J Radiol. https:// of benign and malignant lesions. Invest Radiol 44. Pinto dos Santos D, Dietzel M, Baessler B (2020)
doi.org/10.1016/j.ejrad.2020.109355 54:257–264 A decade of radiomics research: are images really
8. Kottler N (2020) Artificial intelligence: a pri- 27. Le EPV, Wang Y, Huang Y et al (2019) Artificial data or just patterns in the noise? Eur Radiol 31:1–4
vate practice perspective. J Am Coll Radiol intelligence in breast imaging. Clin Radiol 45. Ioannidis JPA (2005) Why most published research
17:1398–1404 74:357–366 findings are false. PLoS Med 2:e124
9. Evans A, Vinnicombe S (2017) Overdiagnosis in 28. Mendelson EB (2019) Artificial intelligence in 46. Geis JR, Brady AP, Wu CC et al (2019) Ethics of
breast imaging. Breast 31:270–273 breast imaging: potentials and limitations. AJRAm artificial intelligence in radiology: summary of the
10. Kuhl CK (2019) Underdiagnosis is the main J Roentgenol 212:293–299 joint European and North American multisociety
challenge in breast cancer screening. Lancet Oncol 29. Bennani-Baiti B, Baltzer PAT (2019) Künstliche statement. Radiology 293:436–440
20:1044–1046 Intelligenz in der Mammadiagnostik. Radiologe 47. Dietzel M, Baltzer PAT (2018) How to use the
11. Andrzejewski P, Wengert G, Helbich TH et al 60:56–63 Kaiser score as a clinical decision rule for diagnosis
(2019) Sequential [18F]FDG-[18F]FMISO PET and 30. Clauser P, Kapetas P, Stöttinger A et al (2020) A in multiparametric breast MRI: a pictorial essay.
multiparametric MRI at 3T for insights into breast risk stratification algorithm for lesions of uncertain Insights Imaging 9:325–335
cancer heterogeneity and correlation with patient malignant potential diagnosed by vacuum-
outcomes: first clinical experience. Contrast Media assisted breast biopsy (VABB) of mammographic
Mol Imaging 2019:1307247 microcalcifications. Eur J Radiol 135:109479
12. Marino MA, Helbich T, Baltzer P et al (2018) 31. Milos RI, Pipan F, Kalovidouri A et al (2020)
Multiparametric MRI of the breast: a review. J Magn The Kaiser score reliably excludes malignancy in
Reson Imaging 47:301–315 benign contrast-enhancing lesions classified as BI-
13. Baltzer PAT, Kapetas P, Marino MA et al (2017) RADS 4 on breast MRI high-risk screening exams.
New diagnostic tools for breast cancer. memo Eur Radiol 30:6052–6061
10:175–180 32. Jajodia A, Sindhwani G, Pasricha S et al (2020)
14. Sardanelli F, Boetes C, Borisch B et al (2010) Application of the Kaiser score to increase diag-
Magnetic resonance imaging of the breast: nostic accuracy in equivocal lesions on diagnostic
recommendations from the EUSOMA working mammogramsreferredforMRmammography. Eur
group. Eur J Cancer 46:1296–1316 J Radiol 134:109413
15. Mann RM, Balleyguier C, Baltzer PA et al (2015) 33. Marino MA, Clauser P, Woitek R et al (2016) A simple
Breast MRI: EUSOBIrecommendations for women’s scoring system for breast MRI interpretation: does
information. Eur Radiol 25:3669–3678 it compensate for reader experience? Eur Radiol
16. Bick U, Trimboli RM, Athanasiou A et al (2020) 26:2529–2537
Image-guided breast biopsy and localisation: 34. Stelzer PD, Steding O, Raudner MW et al
recommendations for information to women and (2020) Combined texture analysis and machine
referring physicians by the European Society of learning in suspicious calcifications detected by
Breast Imaging. Insights Imaging 11:12 mammography: potenzial to avoid unnecessary
17. Spick C, Szolar DHM, Preidler KW et al (2015) stereotactical biopsies. Eur J Radiol 132:109309
Breast MRI used as a problem-solving tool reliably 35. Verburg E, van Gils CH, Bakker MF et al (2020)
excludes malignancy. Eur J Radiol 84:61–64 Computer-aided diagnosis in multiparametric
18. Baltzer PAT, Kapetas P, Sodano C et al (2019) magnetic resonance imaging screening of women
Kontrastmittelfreie Mamma-MRT. Radiologe with extremely dense breasts to reduce false-
59:510–516 positive diagnoses. Invest Radiol 55:438–444
19. Baltzer PAT, Bennani-Baiti B, Stöttinger A et al 36. Kreienberg R, Albert S, Folkman M et al (2012)
(2017) Is breast MRI a helpful additional diagnostic Interdisziplinäre S3-Leitlinie für die Diagnostik,
test in suspicious mammographic microcalcificati- Therapie und Nachsorge des Mammakarzinoms.
ons? Magn Reson Imaging 46:70–74 Aktualisierung 2012
198 Der Radiologe 2 · 2021
Sie können auch lesen
