Prostatakarzinom: KI soll unnötige Biopsien vermeiden helfen
Kombiniert mit PI-RADS könnte ein Deep-Learning-basierter Algorithmus die Anzahl der Biopsien bei Verdacht auf Prostatakarzinom deutlich verringern.
-
Datum:07.08.2024
-
Autor:S. Kohlstädt (mh/ktg)
-
Quelle:Deutsches Krebsforschungszentrum
Um bei erhöhtem PSA-Wert das Risiko auf Bestehen eines Prostatakarzinoms abzuschätzen, nutzt man aktuell weitere Parameter wie Alter, Prostatavolumen und MRT-Bildgebung einschließlich PI-RADS zur systematisierten MRT-Befundung. Am Ende ergibt sich daraus ein Wahrscheinlichkeitswert für das Vorliegen eines Prostatakarzinoms.
Ein am DKFZ entwickelter KI-Algorithmus könnte diese Vorhersage weiter verbessern. Das zeigt eine retrospektive Studie von der Universitätsklinik Heidelberg und dem Deutschen Krebsforschungszentrum (DKFZ).
David Bonekamp, Radiologe am DKFZ, und Team schlossen in ihre Studie 1.627 Männern ein, die zwischen 2014 und 2021 in Heidelberg eine multiparametrische MRT der Prostata erhalten und sich anschließend einer Biopsie unterzogen hatten.
Der Algorithmus zur Auswertung von Bilddaten wurde mit den MRT-Aufnahmen von über 1000 dieser Männer trainiert. An den übrigen etwa 500 Datensätzen erprobten die Forschenden, ob eine Kombination ihres Risikokalkulators mit der KI die Vorhersagegenauigkeit für Prostatakrebs verbessern kann.
PI-RADS kombiniert mit KI könnte Zahl der Biopsien reduzieren
Wurde der PI-RADS Wert im Risikokalkulator durch das KI-Verfahren ersetzt, so änderte sich die diagnostische Aussagekraft kaum. Dagegen lieferte die Kombination von KI und PI-RADS deutlich bessere Resultate: Sie identifizierte unter den Männern, die ursprünglich biopsiert worden waren, 49 Prozent als minimale Risiken. „Das heißt, die Kombination von Deep Learning und radiologischer Befundung hätte theoretisch fast die Hälfte dieser Biopsien vermeiden können, ohne eine relevante Zahl an Tumoren zu übersehen“, sagt Adrian Schrader vom DKFZ, Erstautor der aktuellen Studie.
Offenbar, so schließen die Radiolog:innen aus diesem Ergebnis, liefert die Deep-Learning basierte KI und die PI-RADS-Befundung durch erfahrenen Radiolog:innen komplementäre diagnostische Informationen, die zusammengefasst zu einer präziseren Risikostratifizierung der Patienten beitragen.
Zur Studie in European Radiology 2024.
