Einfach erklärt
Eine neue KI kann auf älteren CT-Bildern winzige Veränderungen der Bauchspeicheldrüse erkennen, die Ärztinnen und Ärzten zunächst entgangen sind. Bei Menschen, die später Krebs bekamen, fand das Programm solche Hinweise im Schnitt 475 Tage vor der Diagnose. Noch ist es aber nicht ausreichend geprüft, um im Krankenhausalltag eingesetzt zu werden.
Warum ist es so schwer, den Krebs früh zu erkennen?
Die Studie befasst sich mit dem duktalen Adenokarzinom der Bauchspeicheldrüse, einer Krebsart, die in den Ausführungsgängen des Organs entsteht. Eine besondere Schwierigkeit: Frühe Anzeichen sind oft weder für die betroffene Person noch für Ärztinnen und Ärzte klar erkennbar. Anfangs treten nur wenige oder unspezifische Beschwerden auf. Auch die Veränderungen im Gewebe können auf medizinischen Aufnahmen so fein sein, dass sie leicht übersehen werden. Sind deutlichere Hinweise zu sehen, kann die Erkrankung bereits fortgeschritten sein.
Weil sich dieser Krebs schnell entwickeln kann, kommt es besonders auf den richtigen Zeitpunkt an. Eine Untersuchung, die die Erkrankung erst erkennt, wenn sie deutlich sichtbar ist, bietet Ärztinnen und Ärzten nicht unbedingt denselben zeitlichen Vorsprung wie ein Hinweis auf Veränderungen vor der klinischen Diagnose. Forschende suchen deshalb nach Möglichkeiten, bereits vorhandene Aufnahmen genauer auszuwerten und daraus Informationen zu gewinnen, die bei einer üblichen visuellen Beurteilung möglicherweise verborgen bleiben.
Das bedeutet nicht, dass herkömmliche CT-Aufnahmen nutzlos wären. Die Herausforderung besteht vielmehr darin, dass manche möglichen Warnzeichen mit bloßem Auge schwer zu erkennen sind. Eine Aufnahme kann feine Unterschiede im Gewebe der Bauchspeicheldrüse enthalten, ohne dass bereits ein klarer Tumor oder eine auffällige Veränderung zu sehen ist. Deshalb wollten die Forschenden die Bilder bis in ihre Details und Strukturen hinein untersuchen, statt nur nach einem deutlich erkennbaren Zeichen zu suchen.
Ein anderer Blick auf das Gewebe der Bauchspeicheldrüse
Das KI-System der Forschenden heißt REDMOD. Der Name steht für ein Modell zur Früherkennung anhand bestimmter Merkmale in medizinischen Bildern. Bei diesem Ansatz werden aus medizinischen Bildern sehr genaue Eigenschaften herausgearbeitet, etwa Muster der Gewebestruktur und Unterschiede in der Bildhelligkeit. Solche Merkmale sind bei einer gewöhnlichen Betrachtung womöglich nicht offensichtlich. REDMOD nutzt sie, um einzuschätzen, ob eine Aufnahme Hinweise enthält, die mit der Erkrankung zusammenhängen.
Das System erkennt zunächst automatisch die Bauchspeicheldrüse und grenzt sie von benachbarten Organen und Geweben ab. Das ist wichtig, weil die manuelle Markierung der Organgrenzen je nach Fachperson unterschiedlich ausfallen kann und so die Analyse beeinflussen könnte. Die Automatisierung ermöglicht eine einheitliche Vorgehensweise bei den Aufnahmen. Anschließend kann das Programm gezielt die feinen Merkmale im Gewebe der Bauchspeicheldrüse untersuchen.
REDMOD erkennt Krebs allerdings nicht auf dieselbe Weise wie eine Ärztin oder ein Arzt, wenn bereits ein deutlich sichtbarer Tumor vorhanden ist. Die Studie belegt auch nicht, dass jedes vom System entdeckte Signal tatsächlich einen Tumor bedeutet. Untersucht wurde vielmehr, ob die Bildanalyse Muster erkennt, die bei einer Gruppe von Patientinnen und Patienten einer späteren Krebsdiagnose vorausgingen. Die Ergebnisse sind daher als vielversprechende Warnhinweise zu verstehen – nicht als erwiesener Ersatz für eine medizinische Diagnose.
Aufnahmen, die zunächst unauffällig wirkten
Die Studie umfasste CT-Aufnahmen des Bauchraums von 219 Patientinnen und Patienten, die in verschiedenen Krankenhäusern behandelt wurden. Zum Zeitpunkt der jeweiligen Untersuchung hatten erfahrene Radiologinnen und Radiologen auf den Bildern keinen Hinweis auf Bauchspeicheldrüsenkrebs erkannt. Bei allen Personen dieser Gruppe wurde die Erkrankung jedoch später diagnostiziert. So konnten die Forschenden ältere Aufnahmen nachträglich auswerten und prüfen, ob das System darin Signale fand, die damals nicht erkannt worden waren.
Die Aufnahmen waren zu unterschiedlichen Zeitpunkten vor der Diagnose entstanden. Bei 87 Patientinnen und Patienten, also 40 %, lag die Untersuchung 3 bis 12 Monate vor der Diagnose. Weitere 76 Personen oder 35 % waren 12 bis 24 Monate zuvor untersucht worden. Die Aufnahmen von 56 Patientinnen und Patienten, also 25 %, stammten aus einem Zeitraum von mehr als 24 Monaten vor der Diagnose. In einigen Fällen lagen zwischen Aufnahme und Diagnose ungefähr drei Jahre.
Bei knapp zwei Dritteln der Erkrankten, genauer gesagt bei 64 %, befand sich der Krebs im Kopf der Bauchspeicheldrüse. Diese Angabe beschreibt, an welcher Stelle die Tumoren in der untersuchten Gruppe entstanden waren. Sie bedeutet aber nicht, dass die Ergebnisse des Systems zwangsläufig für jede Lage des Tumors oder für alle Patientinnen und Patienten gleichermaßen gelten. Durch die unterschiedlich langen Zeitabstände zwischen Aufnahme und Diagnose konnten die Forschenden außerdem untersuchen, ob das Programm auch über längere Zeiträume hinweg Hinweise findet.
Zum Vergleich werteten die Forschenden Aufnahmen von 1243 Personen aus, bei denen während eines Beobachtungszeitraums von bis zu drei Jahren nach der Untersuchung kein Bauchspeicheldrüsenkrebs diagnostiziert wurde. Die Vergleichsgruppe wurde hinsichtlich Alter, Geschlecht und Untersuchungszeitpunkten an die Gruppe der Erkrankten angepasst, damit sich die Gruppen möglichst sinnvoll gegenüberstellen ließen. Die erkrankten Personen waren im Durchschnitt 69 Jahre alt; ihre Altersspanne reichte von 34 bis 88 Jahren. In der Vergleichsgruppe lag das Durchschnittsalter bei 64 Jahren, bei einer ähnlichen Altersspanne von 34 bis 88 Jahren.
Hinweise im Schnitt 475 Tage vor der Diagnose
Bei der Analyse der älteren Aufnahmen fand REDMOD bildgebende Merkmale, die mit einer späteren Diagnose von Bauchspeicheldrüsenkrebs zusammenhingen. Zwischen dem Erkennen dieser Hinweise und der klinischen Diagnose lagen im Durchschnitt 475 Tage. Das System stieß also auf Muster in Bildern, die zunächst keinen klaren Krebsverdacht ergeben hatten – und zwar, bevor die betroffenen Personen später ihre Diagnose erhielten.
Der mögliche Wert dieses zeitlichen Vorsprungs liegt darin, dass sich verdächtige Fälle künftig womöglich früher genauer untersuchen ließen, sofern weitere Studien bestätigen, dass die Hinweise klinisch nutzbar sind. Nach Einschätzung der Forschenden könnten bessere Chancen auf Behandlung und Überleben bestehen, wenn die Erkrankung noch örtlich begrenzt oder in einem frühen Stadium erkannt wird. Sie verwiesen auf Modellrechnungen, denen zufolge ein Anstieg des Anteils örtlich begrenzter Tumoren von 10 % auf 50 % die Überlebensraten mehr als verdoppeln könnte. Dabei handelt es sich um eine Modellierung, nicht um das Ergebnis einer Behandlungsstudie zu REDMOD.
Es ist wichtig, zwischen dem Erkennen eines Musters auf einer früheren Aufnahme und dem Nachweis zu unterscheiden, dass eine dadurch ermöglichte frühere Behandlung tatsächlich die Gesundheit verbessert. Die Studie verglich die Bildanalyse mit dem späteren Krankheitsverlauf der untersuchten Personen. Sie kann für sich genommen aber nicht belegen, dass der Einsatz des Systems zur Früherkennung den Verlauf der Erkrankung verändert oder das Leben von Patientinnen und Patienten verlängert. Dafür müsste das Programm unter realen Versorgungsbedingungen geprüft werden. Ebenso müsste untersucht werden, wie sich Entscheidungen über weitere Untersuchungen und Behandlungen auswirken.
In der Studie besser als die Auswertung durch Radiologinnen und Radiologen
Die Sensitivität des Systems lag bei 73 %, verglichen mit 39 % bei den Radiologinnen und Radiologen, die die Aufnahmen beurteilten. Die Sensitivität gibt an, wie gut eine Untersuchungsmethode Erkrankte erkennt, statt vorhandene Krankheitsfälle zu übersehen. In der untersuchten Bildgruppe erkannte REDMOD somit einen größeren Anteil der Personen, bei denen später tatsächlich Krebs diagnostiziert wurde.
Besonders deutlich war der Unterschied bei Aufnahmen, die mehr als zwei Jahre vor der Diagnose entstanden waren. In dieser Gruppe fand das System bei 68 % der Fälle Hinweise auf die Erkrankung; bei den Radiologinnen und Radiologen lag der entsprechende Anteil bei 23 %. Das deutet darauf hin, dass eine computergestützte Analyse gerade dann nützlich sein könnte, wenn die Hinweise zeitlich weit von der späteren Diagnose entfernt liegen. Es handelt sich jedoch um ein Ergebnis aus der untersuchten Gruppe – keine Garantie dafür, dass das System in jedem Krankenhaus oder bei allen Patientengruppen gleich gut abschneidet.
Die Forschenden untersuchten nicht nur, ob das Programm Aufnahmen von später erkrankten Personen richtig einordnete. Sie prüften es auch an einer unabhängigen Gruppe von 539 Patientinnen und Patienten aus mehreren Krankenhäusern. Dabei stufte das System etwas mehr als 81 % der Aufnahmen als krebsfrei ein. Außerdem wurde es mit einem Datensatz getestet, der Forschenden von den National Institutes of Health der USA zur Verfügung stand. Dieser als NIH-PCT bekannte Datensatz umfasste 80 Personen; 87,5 % der Aufnahmen daraus ordnete REDMOD als ohne Anzeichen von Bauchspeicheldrüsenkrebs ein.
Diese Werte messen etwas anderes als die Sensitivität. Deshalb sollte man die Ergebnisse nicht auf eine einzelne Zahl reduzieren oder so behandeln, als beschrieben sie alle dieselbe Seite der Systemleistung. Die Sensitivität zeigt, wie gut das Programm Erkrankte erkennt. Die Ergebnisse aus Gruppen ohne Krebs geben dagegen Aufschluss darüber, wie es Aufnahmen ohne Krankheitsanzeichen einstuft. Für einen praktischen Einsatz müssten beide Aspekte ausgewogen beurteilt werden: Übersehene Erkrankungen und unzutreffende Warnmeldungen könnten zu unterschiedlichen medizinischen Entscheidungen führen.
Blieben die Hinweise über die Zeit stabil?
Das Forschungsteam prüfte außerdem, wie beständig die Ergebnisse ausfielen, wenn mehrere Aufnahmen derselben Person vorlagen. Beim Vergleich von Untersuchungen, die mehrere Monate auseinanderlagen, stimmten die Ergebnisse des Systems in 90 bis 92 % der Fälle überein. Das spricht dafür, dass die Analyse möglicherweise ein anhaltendes Muster erfasst und nicht bloß einen vorübergehenden Unterschied zwischen zwei Aufnahmen.
Eine Übereinstimmung bei wiederholten Untersuchungen beweist allerdings nicht, dass jedes gleichbleibende Muster ein verlässliches Krebszeichen ist. Sie liefert zusätzliche Hinweise darauf, dass das System konsistent arbeitet. Entscheidend bleibt jedoch, ob diese Muster die Erkrankung bei Menschen, deren weiterer Gesundheitsverlauf noch unbekannt ist, tatsächlich genau vorhersagen können. Um das zu beantworten, braucht es eine strukturierte prospektive Beobachtung. Es reicht nicht, nur Bilder von Menschen nachträglich zu untersuchen, von denen man inzwischen weiß, dass sie später Krebs bekamen.
Was fehlt noch bis zum Einsatz in der Klinik?
Trotz der vielversprechenden Unterschiede in der Studie empfahlen die Forschenden nicht, das System sofort in der üblichen Versorgung einzusetzen. Zu den genannten Einschränkungen gehört, dass die Teilnehmenden nicht ausreichend unterschiedliche ethnische Hintergründe hatten. Das ist bei der Bewertung eines medizinischen Systems wichtig: Seine Leistung könnte sich zwischen Bevölkerungsgruppen unterscheiden. Es lässt sich daher nicht einfach annehmen, dass Ergebnisse aus einer bestimmten Stichprobe automatisch für alle gelten.
In künftigen Studien sollte das System außerdem getestet werden, bevor die endgültige Diagnose bekannt ist – und zwar in Gruppen von Patientinnen und Patienten, die nach einem klaren Plan weiterbeobachtet werden. Besonders wichtig könnte die Untersuchung von Menschen mit erhöhtem Risiko sein. Dazu zählen Personen mit unerklärlichem Gewichtsverlust oder mit einer erst kürzlich diagnostizierten Diabeteserkrankung. Das heißt nicht, dass jede Person mit einem dieser Merkmale Krebs hat. Gemeint ist vielmehr, dass die Forschenden diese Gruppen für besonders wichtig halten, wenn der Nutzen einer frühen Erkennung geprüft wird.
Zusätzlich muss geklärt werden, wie ein Ergebnis des Systems in medizinische Entscheidungen einfließen soll. Würde es weitere Untersuchungen auslösen? Wie ließe sich prüfen, ob ein vom Programm gemeldeter Fall tatsächlich verdächtig ist? Und wie zuverlässig müsste das Ergebnis sein, bevor der nächste Schritt erfolgt? Die Studie beantwortet diese Fragen nicht. Auch zeigt die Leistung bei bestimmten Bildgruppen allein noch nicht, welche Folgen die Einführung in den klinischen Alltag hätte oder wie sich die Ergebnisse verändern, wenn andere Scanner oder Bedingungen bei der Datenerhebung zum Einsatz kommen.
REDMOD bleibt deshalb ein System, das noch geprüft wird, und ist kein fertiger Test, der Radiologinnen und Radiologen ersetzen könnte. Möglicherweise kann es Ärztinnen und Ärzte dabei unterstützen, Aufnahmen auf feine Details hin zu untersuchen, die sich nur schwer erkennen lassen. Um den tatsächlichen Nutzen zu bestimmen, muss das System jedoch direkt an vielfältigen Gruppen getestet werden – darunter auch Menschen, bei denen zu Beginn der Beobachtung noch keine eindeutigen Krebszeichen vorliegen.
Fazit
Die Ergebnisse zu REDMOD zeigen, dass die Analyse feinster Details in CT-Aufnahmen Muster aufspüren könnte, die mit Bauchspeicheldrüsenkrebs zusammenhängen – im Durchschnitt 475 Tage vor der klinischen Diagnose. Bei den Aufnahmen von 219 später erkrankten Personen erreichte das System eine Sensitivität von 73 %, verglichen mit 39 % bei den Radiologinnen und Radiologen. Bei Fällen, deren Diagnose mehr als zwei Jahre auf sich warten ließ, erkannte es 68 % gegenüber 23 %. Außerdem stufte das Programm mehr als 81 % der Aufnahmen aus einer Gruppe von 539 Personen als krebsfrei ein. In der NIH-PCT-Gruppe mit 80 Personen lag dieser Anteil bei 87,5 %. Bei wiederholten Aufnahmen derselben Patientinnen und Patienten stimmten die Ergebnisse in 90 bis 92 % der Fälle überein.
Diese Zahlen bedeuten jedoch nicht, dass die Technik bereits für den routinemäßigen Einsatz bereit ist. Nötig sind prospektive Studien mit vielfältigeren Gruppen und besonderem Augenmerk auf Menschen mit erhöhtem Risiko, darunter Personen mit unerklärlichem Gewichtsverlust oder einer kürzlich gestellten Diabetesdiagnose. Bestätigen weitere Untersuchungen, dass die Hinweise zuverlässig sind und tatsächlich zu einer früheren Erkennung beitragen, könnte dieser Ansatz helfen, den Blick rechtzeitig auf eine schwer früh zu erkennende Krebsart zu lenken. Bis dahin bleibt REDMOD ein vielversprechender Forschungsansatz, dessen Nutzen erst noch gründlich bestätigt werden muss.