Künstliche Intelligenz ist Radiologen bei der Erkennung von Prostatakrebs im MRI nicht unterlegen

PROSTATE CANCER Nijmegen – Mit der demographischen Entwicklung der nächsten Dekaden wird auch die Zahl der Verdachtsfälle von Prostatakrebs zunehmen. Dies bedeutet eine zunehmende Arbeitsbelastung für Urologen und durch den, zumindest in der Schweiz, routinemässigen Einsatz des Prostata-MRI auch für Radiologen. Systeme mit künstlicher Intelligenz (KI) können potenziell die steigende Arbeitsbelastung verringern, Überdiagnosen verhindern und die Abhängigkeit von erfahrenen Radiologen reduzieren. Die nachfolgend vorgestellte Studie eines internationalen Autorenteams um Anindo Saha, Miglied der Diagnostic Image Analysis Group am Radboud University Medical Center in Nijmegen, Niederlande und des PI-CAI (Prostate Imaging: Cancer AI) Konsortiums untersuchte die Leistung eines KI-Systems bei der Erkennung von klinisch signifikantem Prostatakrebs (csPC) im MRI und verglich diese mit der Leistung von Radiologen. Die Studie war als Nicht-Unterlegensheitsstudie konzipiert und untersuchte retrospektiv einen Satz von 10.207 MRI-Untersuchungen, von denen der grösste Teil für das Training der KI verwendet wurde. 2.440 Fälle hatten einen histologisch bestätigten Prostatakrebs der Gleason-Gruppe 2 oder höher. In der Untergruppe von 400 Testfällen, in der das KI-System mit den teilnehmenden Radiologen verglichen wurde, zeigte das KI-System eine statistisch überlegene und nicht unterlegene AUROC von 0,91 (95% Konfidenzintervall [KI] 0,87 bis 0,94; p < 0,0001) im Vergleich zu einer Gruppe von 62 Radiologen mit einer AUROC von 0,86 (95% KI 0,83 bis 0,89). In der Juli-Ausgabe 2024 von THE LANCET ONCOLOGY berichten die Autoren, dass das KI-System bei einem mittleren PI-RADS 3 oder höher bei gleicher Spezifität (57,7%; 95% KI 51,6 bis 63,3) 6,8% mehr Fälle von Prostatakrebs der Gleason-Gruppe 2 oder höher erkannte und bei gleicher Sensitivität (89,4%; 95% KI 85,3 bis 92,9) 50,4% weniger falsch-positive Ergebnisse und 20,0% weniger Fälle von Krebs der Gleason-Gruppe 1. (fa)

Autoren: Saha A, Bosma JS, Twilt JJ, van Ginneken B, Bjartell A, Padhani AR, Bonekamp D, Villeirs G, Salomon G, Giannarini G, Kalpathy-Cramer J, Barentsz J, Maier-Hein KH, Rusu M, Rouvière O, van den Bergh R, Panebianco V, Kasivisvanathan V, Obuchowski NA, Yakar D, Elschot M, Veltman J, Fütterer JJ, de Rooij M, Huisman H; PI-CAI consortium. Korrespondenz: Anindo Saha, Diagnostic Image Analysis Group, Department of Medical Imaging, Radboud University Medical Center, Nijmegen 6525 GA, Netherlands. E-Mail: anindya.shaha@radboudumc.nl Studie: Artificial intelligence and radiologists in prostate cancer detection on MRI (PI-CAI): an international, paired, non-inferiority, confirmatory study. Quelle: Lancet Oncol. 2024 Jul;25(7):879-887. doi: 10.1016/S1470-2045(24)00220-1. Epub 2024 Jun 11. PMID: 38876123; PMCID: PMC11587881. Web: https://www.thelancet.com/journals/lanonc/article/PIIS1470-2045(24)00220-1/abstract

KOMMENTAR In der durchgeführten Untersuchung war das KI-System den Radiologen bei der Erkennung von csPC im MRI nicht unterlegen. Die Studie zeigt, dass KI-Systeme in der Medizin das Potenzial haben, einen unterstützenden Mehrwert zu bieten und möglicherweise die Arbeitsbelastung zu reduzieren. Da es sich um eine retrospektive Analyse handelt, muss vor der klinischen Anwendung sicherlich eine prospektive Validierung durchgeführt werden.
Autor: Dr. med. Fabian Aschwanden, Assistenzarzt Luzerner Kantonsspital