– Laut einer letzte Woche veröffentlichten Studie können auf künstlicher Intelligenz (KI) basierende Tools die Genauigkeit der Hautkrebsdiagnose von Ärzten, Krankenpflegern und Medizinstudenten verbessern npj Digitale Medizin.
Die Forscher betonten, dass sich KI-basierte Diagnosetools für Hautkrebs rasant weiterentwickeln und dass diese Tools nach entsprechenden Tests und erfolgreicher Validierung wahrscheinlich im klinischen Umfeld eingesetzt werden.
Das Forschungsteam stellte jedoch weiterhin fest, dass das große Versprechen dieser Modelle weitgehend theoretisch bleibt, da es nur begrenzte Belege für den Einsatz KI-gestützter klinischer Entscheidungsunterstützungstools bei der Hautkrebsdiagnose gibt.
Um dieses Problem anzugehen, führten die Forscher eine systematische Überprüfung und Metaanalyse durch, um die Auswirkungen der KI-Unterstützung auf die Genauigkeit der Hautkrebsdiagnose zu untersuchen.
Von Experten begutachtete Artikel zur Bewertung der KI-gestützten Hautkrebsdiagnose, die zwischen dem 1. Januar 2017 und dem 8. November 2022 veröffentlicht wurden, wurden zur Analyse aus PubMed, Embase, Institute of Electrical and Electronics Engineers Xplore (IEE Xplore) und Scopus entnommen. Von den ursprünglich 2.983 Artikeln wurden nur 12 in die systematische Überprüfung und zehn in die Metaanalyse einbezogen.
MEHR LESEN: Klinisches Tool sagt das Ansprechen einer adoptiven Therapie bei Augenkrebspatienten voraus
Diese Studien umfassten über 67.000 Bewertungen potenzieller Hautkrebserkrankungen durch eine Vielzahl von Ärzten – darunter Medizinstudenten, Hausärzte und Dermatologen – mit und ohne KI-Unterstützung.
Die Forscher betonten, dass KI-Tools für Kliniker eine unterstützende Rolle spielen und nicht als Ersatz für deren Fachwissen fungieren, und veranlassten das Team, zu untersuchen, wie sich KI-Unterstützung auf die Diagnoseleistung auswirkt.
„Frühere Studien haben sich auf die Leistung von KI im Vergleich zu Ärzten konzentriert“, erklärte Jiyeong Kim, PhD, Postdoktorand am Stanford Center for Digital Health, in einer Pressemitteilung. „Unsere Studie verglich Ärzte, die ohne KI-Unterstützung arbeiten, mit Ärzten, die KI bei der Diagnose von Hautkrebs einsetzen.“
Das Forschungsteam wies darauf hin, dass frühere Studien auch gezeigt haben, dass verschiedene Faktoren – wie der Grad des Vertrauens eines Klinikers in seine eigene klinische Entscheidung, der Grad des Vertrauens in das KI-Tool und ob der Kliniker und die KI sich über die Diagnose einig sind oder nicht – darüber entscheiden, ob Der Kliniker bezieht die Ratschläge des Algorithmus in seine klinischen Entscheidungen ein.
„Wir wollen besser verstehen, wie Menschen mit KI interagieren und sie nutzen, um klinische Entscheidungen zu treffen“, sagte Kim.
MEHR LESEN: Maschinelles Lernen sagt Krankenhausaufenthalte während der Krebsbehandlung voraus
Die Metaanalyse und Überprüfung ergab, dass Ärzte aller Ausbildungsstufen und Fachgebiete insgesamt vom Einsatz von KI-Tools profitierten.
Ärzte, die keine KI verwendeten, konnten 74,8 Prozent der Hautkrebsfälle genau diagnostizieren und 81,5 Prozent der Patienten mit krebsähnlichen Hauterkrankungen, die keinen Krebs hatten, korrekt kennzeichnen. Diejenigen, die mit Hilfe von KI arbeiteten, identifizierten 81,1 Prozent der Hautkrebsfälle und 86,1 Prozent der krebsähnlichen Hauterkrankungen korrekt.
Um mehr Erkenntnisse darüber zu gewinnen, welche Praktiker am meisten vom Einsatz von KI profitieren, führten die Forscher Untergruppenanalysen durch. Diese zeigten, dass alle Praktiker von diesen Tools profitierten, die größten Verbesserungen jedoch bei Nicht-Dermatologen zu verzeichnen waren.
Medizinstudenten, Krankenpfleger und Hausärzte verzeichneten den größten Anstieg und verbesserten die Sensitivität im Durchschnitt um etwa 13 Punkte und die Spezifität um 11 Punkte mit KI-Unterstützung. Dermatologen und dermatologische Assistenzärzte schnitten im Allgemeinen mit und ohne KI besser ab als ihre Kollegen, aber auch ihre diagnostische Leistung verbesserte sich mit der KI-gestützten klinischen Entscheidungsunterstützung.
Die Forscher stellten fest, dass diese Ergebnisse das Potenzial der KI in bildgebenden medizinischen Fachgebieten wie Dermatologie und Radiologie hervorheben.
MEHR LESEN: Künstliche Intelligenz wirkt sich unvorhersehbar auf die Leistung von Radiologen aus
„Dies ist ein klarer Beweis dafür, wie KI in Zusammenarbeit mit einem Arzt zur Verbesserung der Patientenversorgung eingesetzt werden kann“, sagte Eleni Linos, MD, Direktorin des Center for Digital Health und Professorin für Dermatologie und Epidemiologie an der Stanford.
„Wenn diese Technologie gleichzeitig die diagnostische Genauigkeit eines Arztes verbessern und ihm Zeit sparen kann, ist das wirklich eine Win-Win-Situation. Es hilft nicht nur den Patienten, sondern könnte auch dazu beitragen, das Burnout bei Ärzten zu reduzieren und die menschlichen zwischenmenschlichen Beziehungen zwischen Ärzten und ihren Patienten zu verbessern“, fuhr Linos fort. „Ich habe keinen Zweifel daran, dass KI-Unterstützung irgendwann in allen medizinischen Fachgebieten eingesetzt werden wird. Die entscheidende Frage ist, wie wir sicherstellen können, dass es so eingesetzt wird, dass es allen Patienten unabhängig von ihrer Herkunft hilft und gleichzeitig das Wohlbefinden des Arztes unterstützt.“
Diese Forschung ist eine von vielen Bemühungen, die untersuchen, wie fortschrittliche Analysetools die Krebsbehandlung verbessern können.
Diese Woche hat ein Forschungsteam des University of Pittsburgh Medical Center (UPMC) detailliert beschrieben, wie ein Vorhersagemodell dabei helfen kann, die Reaktion von Patienten mit metastasiertem Aderhautmelanom auf eine adoptive Therapie vorherzusagen – eine Art Immuntherapie, bei der die T-Zellen eines Patienten extrahiert und vermehrt werden einem Labor und reinfundiert.
Das Aderhautmelanom ist resistent gegen Standard-Immuntherapien, was bei vielen Patienten zu schlechten Prognosen führt, sobald der Krebs metastasiert. Frühere Untersuchungen haben gezeigt, dass eine adoptive Therapie bei einigen Patienten erfolgreich ist und es tumorinfiltrierenden Lymphozyten (TILs) ermöglicht, Tumorzellen zu aktivieren und anzugreifen.
Um herauszufinden, welche Patienten wahrscheinlich gut auf diese Art von Therapie ansprechen, haben die Forscher den Uveal Melanoma Immunogenic Score (UMIS) entwickelt, der die Aktivität von Genen messen soll, die von Zellen in der Tumormikroumgebung exprimiert werden, um den Behandlungserfolg vorherzusagen.
