Zobraziť v EDS

Der mögliche Nutzen künstlicher Intelligenz in einem organisierten bevölkerungsbezogenen Screeningprogramm: Erste Ergebnisse und Ausblick

Uložené v:
Podrobná bibliografia
Názov: Der mögliche Nutzen künstlicher Intelligenz in einem organisierten bevölkerungsbezogenen Screeningprogramm: Erste Ergebnisse und Ausblick
Autori: Morant, R., Gräwingholt, A., Subelack, J., Kuklinski, D., Vogel, J., Blum, M., Eichenberger, A., Geissler, A.
Zdroj: Radiologie (Heidelb)
Die Radiologie, Hot topics in radiology, 64(10):773-778
Informácie o vydavateľovi: Springer Science and Business Media LLC, 2024.
Rok vydania: 2024
Predmety: Breast Neoplasms/diagnostic imaging [MeSH], Female [MeSH], Intervallkarzinome, Machine learning, Early Detection of Cancer/methods [MeSH], Leitthema, Mass Screening/methods [MeSH], Humans [MeSH], Breast cancer, Maschinelles Lernen, Interval cancer, Retrospective Studies [MeSH], Schweiz, Artificial Intelligence [MeSH], Switzerland, Mammography/methods [MeSH], Mammographiescreening, Mammography screening, Breast Neoplasms/diagnosis [MeSH], Brustkrebs
Popis: Zusammenfassung Hintergrund Dank Mammographie-Screening-Programmen (MSP) kann Brustkrebs erwiesenermaßen in früheren Stadien entdeckt werden, was weniger eingreifende Therapien erlaubt und zu einem besseren Überleben führt. Kritisch beurteilt werden die beträchtliche Zahl der Intervallkarzinome (IBC) und zusätzlich notwendige Abklärungen, bei denen sich in der Mehrzahl erweist, dass kein Karzinom vorliegt. Fragestellung In den letzten Jahren wurden von Firmen und Universitäten mittels maschinellem Lernen (ML) leistungsfähige Algorithmen entwickelt, welche erstaunliche Fähigkeiten zum Lesen von Mammographien zeigen. Können dadurch MSP qualitativ verbessert werden? Methode Mittels der Software ProFound AI® (iCAD, Nashua, NH, USA) wurden retrospektiv die ursprünglichen Screening-Mammographien von 251 Fällen mit Intervallkarzinom untersucht und die Resultate (Case-Score, Risk-Score) mit denen einer Kontrollgruppe verglichen. Darüber hinaus wurde die relevante aktuelle Literatur studiert. Ergebnisse Die Verteilung des Case-Score wie auch des Risk-Score der Mammographien mit späterem IBC war signifikant zu höherem Risiko verschoben im Vergleich zur Kontrolle, ähnlich wie in anderen Studien. Schlussfolgerung Retrospektive Studien, wie auch eigene Daten zeigen, dass möglicherweise künstliche Intelligenz (KI) in Zukunft das Vorgehen bei MSP ändern wird in Richtung personalisiertem Screening, mit deutlicher Entlastung der Radiologen, weniger Abklärungen und einer verminderten Anzahl von IBC. Für eine solche Umsetzung braucht es die Resultate prospektiver Studien.
Druh dokumentu: Article
Other literature type
Jazyk: German
ISSN: 2731-7056
2731-7048
DOI: 10.1007/s00117-024-01345-6
Prístupová URL adresa: https://repository.publisso.de/resource/frl:6518527
Rights: CC BY
URL: http://creativecommons.org/licenses/by/4.0/Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden. Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen. Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation auf http://creativecommons.org/licenses/by/4.0/deed.de (http://creativecommons.org/licenses/by/4.0/) .
Prístupové číslo: edsair.doi.dedup.....3595e1a3f5cecdfb0fd4df499ad67b23
Databáza: OpenAIRE
Popis
Abstrakt:Zusammenfassung Hintergrund Dank Mammographie-Screening-Programmen (MSP) kann Brustkrebs erwiesenermaßen in früheren Stadien entdeckt werden, was weniger eingreifende Therapien erlaubt und zu einem besseren Überleben führt. Kritisch beurteilt werden die beträchtliche Zahl der Intervallkarzinome (IBC) und zusätzlich notwendige Abklärungen, bei denen sich in der Mehrzahl erweist, dass kein Karzinom vorliegt. Fragestellung In den letzten Jahren wurden von Firmen und Universitäten mittels maschinellem Lernen (ML) leistungsfähige Algorithmen entwickelt, welche erstaunliche Fähigkeiten zum Lesen von Mammographien zeigen. Können dadurch MSP qualitativ verbessert werden? Methode Mittels der Software ProFound AI® (iCAD, Nashua, NH, USA) wurden retrospektiv die ursprünglichen Screening-Mammographien von 251 Fällen mit Intervallkarzinom untersucht und die Resultate (Case-Score, Risk-Score) mit denen einer Kontrollgruppe verglichen. Darüber hinaus wurde die relevante aktuelle Literatur studiert. Ergebnisse Die Verteilung des Case-Score wie auch des Risk-Score der Mammographien mit späterem IBC war signifikant zu höherem Risiko verschoben im Vergleich zur Kontrolle, ähnlich wie in anderen Studien. Schlussfolgerung Retrospektive Studien, wie auch eigene Daten zeigen, dass möglicherweise künstliche Intelligenz (KI) in Zukunft das Vorgehen bei MSP ändern wird in Richtung personalisiertem Screening, mit deutlicher Entlastung der Radiologen, weniger Abklärungen und einer verminderten Anzahl von IBC. Für eine solche Umsetzung braucht es die Resultate prospektiver Studien.
ISSN:27317056
27317048
DOI:10.1007/s00117-024-01345-6