HCC: KI und RadiologInnen diagnostizieren gemeinsam besser

HCC: KI und RadiologInnen diagnostizieren gemeinsam besser

Eine von KI gestützte HCC-Diagnose verbessert die Genauigkeit von RadiologInnen bei kontrastverstärkten CT-Bildern.

  • Datum:
    18.08.2021
  • Autor:
    Ridley EL (biho/ktg)
  • Quelle:
    Aunt Minnie

Das von einem chinesischen Forschungsteam trainierte Deep-Learning-Modell „HCCnet“ erkennt hepatozelluläre Karzinome (HCC) auf kontrastverstärkten CT-Bildern mit einer statistisch vergleichbaren Genauigkeit wie drei erfahrene RadiologInnen. Die diagnostische Genauigkeit erhöht sich jedoch darüber hinaus signifikant, wenn die RadiologInnen die KI unterstützend heranziehen.

Genaueres zur Methode und Ergebnissen

Trainiert wurde der Algorithmus mit Daten von über 7000 PatientInnen, davon knapp 650 mit HCC. Die Validierung erfolgte mit einer kleineren Datenmenge von 385 PatientInnen. In der Testgruppe waren Daten von 556 PatientInnen, davon knapp die Hälfte mit HCC.

Das Forschungsteam verglich die Leistung des KI-Algorithmus mit der von drei RadiologInnen mit acht- bis zehnjähriger Erfahrung für eine Teilmenge von 95 Patienten aus der Validierungsgruppe und 82 Fällen aus der Testgruppe. Die RadiologInnen prüften alle CT-Bilder und interpretierten sie gemäß den LI-RADS-Richtlinien. Ein Jahr später wurden die RadiologInnen gebeten, die Untersuchungen erneut zu interpretieren, allerdings mit Hilfe von KI. Die Genauigkeit stieg auf 85,4% und war damit statistisch signifikant besser als die alleinige Beurteilung durch die KI (81,3%) oder die RadiologInnen (81,8%).

Zur Originalpublikation von Wang M et al. im British Journal of Cancer

Ihr direkter Draht zu uns