Metaanalyse: Künstliche Intelligenz für die Lungenkrebsdiagnose
Original Titel:
The value of artificial intelligence in the diagnosis of lung cancer: A systematic review and meta-analysis
Kurz & fundiert
- Metaanalyse: Einsatz künstlicher Intelligenz (KI) zur Lungenkrebsdiagnose
- KI-assistierte Computertomographie: Sensitivität: 87 %; Spezifität: 87 %
- KI könnte mangelnde Erfahrung bei der Diagnose kompensieren
Die Prognose für Lungenkrebspatienten ist in verschiedenen klinischen Stadien sehr unterschiedlich. Eine frühe Diagnose ist daher äußerst wichtig, um höhere Heilungschancen zu erreichen. Dies wird allerdings dadurch erschwert, dass sich die Krankheit erst vergleichsweise spät bemerkbar macht und Symptome daher häufig erst in einem fortgeschritteneren Stadium auffallen.
Kann KI-gestützte Untersuchung Früherkennung verbessern?
Eine Möglichkeit für die Früherkennung von Lungenkrebs ist der Einsatz einer Niedrigdosis-Computertomographie (CT). Bei diesem Verfahren werden mit Hilfe von Röntgenstrahlen Schnittbilder des Körpers erstellt, die anschließend von Ärzten auf verdächtige Veränderungen in der Lunge untersucht werden. Obwohl das Verfahren dazu geeignet ist, Lungenkrebs frühzeitig zu erkennen, ergeben sich auch Nachteile. So besteht z. B. das Risiko einer Fehl- oder Überdiagnose. Verdächtige Stellen können fälschlicherweise als Lungenkrebs interpretiert werden. Auch werden dabei Tumore entdeckt, die eigentlich im Leben des Patienten keine Probleme bereitet hätten. Beides kann unnötige und für den Patienten belastende Behandlungen nach sich ziehen. Aktuell wird untersucht, ob künstliche Intelligenz (KI) eingesetzt werden kann, um die Genauigkeit bildgebender Diagnoseverfahren, wie die der CT, zu erhöhen. Diese Möglichkeit wurde auch in einer aktuellen Metaanalyse untersucht, für die 14 Studien inkludiert wurden.Metaanalyse über 14 Studien
Die Analyse zeigte, dass eine KI-unterstützte CT für die Erkennung von Lungenkrebs mit einer hohen Sensitivität und Spezifität assoziiert war. Die Sensitivität beschreibt, wie zuverlässig ein Verfahren eine kranke Person auch als krank erkennt. Die Spezifität beschreibt hingegen, wie zuverlässig eine gesunde Person als gesund erkannt wird.- Sensitivität: 0,87 % (95 % Konfidenzintervall, KI: 0,82 – 0,90)
- Spezifität: 0,87 % (95 % KI: 0,82 – 0,91)
- Positive Likelihood Ratio: 6,5 (95 % KI: 4,6 – 9,3)
- Negative Likelihood Ratio: 0,15 (95 % KI: 0,11 – 0,21)
Hohe Sensitivität und Spezifität bei KI-unterstützter CT
Die Autoren schlussfolgerten, dass eine KI-unterstützte CT für die Erkennung von Lungenkrebs mit einer hohen diagnostischen Genauigkeit assoziiert sei. Der Einsatz des Verfahrens könnte daher geeignet sein, um z. B. mangelnde Erfahrung des behandelnden Arztes auszugleichen.© Alle Rechte: HealthCom
