KI sagt Rückkehr von Hirntumoren bei Kindern voraus

BOSTON / MÜNCHEN (IT BOLTWISE) – Eine neue KI-Technologie könnte die Art und Weise, wie Hirntumoren bei Kindern überwacht werden, revolutionieren. Forscher haben ein Modell entwickelt, das mithilfe von zeitlichen Lernmethoden subtile Veränderungen in MRT-Bildern analysiert, um das Risiko eines Tumorrezidivs vorherzusagen.

In der medizinischen Forschung hat die Künstliche Intelligenz (KI) erneut einen bedeutenden Fortschritt erzielt. Wissenschaftler von Mass General Brigham, in Zusammenarbeit mit dem Boston Children’s Hospital und dem Dana-Farber/Boston Children’s Cancer and Blood Disorders Center, haben ein KI-Modell entwickelt, das die Rückkehr von Hirntumoren bei Kindern mit Gliomen vorhersagen kann. Diese Entwicklung könnte die Belastung durch häufige MRT-Scans verringern und frühere Interventionen ermöglichen.

Das Modell nutzt eine Methode namens temporales Lernen, um subtile Veränderungen in den MRT-Bildern zu erkennen, die nach der Behandlung aufgenommen wurden. Diese Methode ermöglicht es der KI, eine Reihe von Scans zu analysieren und so eine genauere Vorhersage zu treffen. Die Forscher fanden heraus, dass die Verwendung mehrerer Bilder die Vorhersagegenauigkeit erheblich verbessert, mit einer Genauigkeit von bis zu 89 %.

Ein bemerkenswerter Vorteil dieser Methode ist die Effizienz. Bereits vier bis sechs Scans reichen aus, um die Vorhersagekraft der KI zu maximieren. Dies könnte insbesondere für Patienten mit geringem Risiko bedeuten, dass die Häufigkeit der Scans reduziert werden kann, während bei Hochrisikopatienten frühzeitigere Behandlungen eingeleitet werden könnten.

Die Studie, die in der renommierten Zeitschrift NEJM AI veröffentlicht wurde, zeigt, dass die KI in der Lage ist, nicht nur einzelne Scans zu analysieren, sondern auch aus einer Serie von Bildern zu lernen. Dies ist ein bedeutender Fortschritt gegenüber traditionellen Methoden, die oft nur auf einem einzigen Scan basieren und eine Vorhersagegenauigkeit von etwa 50 % erreichen.

Die Forscher betonen jedoch, dass weitere Validierungen in verschiedenen klinischen Umgebungen notwendig sind, bevor diese Technologie in der Praxis eingesetzt werden kann. Zukünftige klinische Studien sollen zeigen, ob KI-gestützte Risikovorhersagen die Versorgung verbessern können, indem sie die Bildgebungsfrequenz für Patienten mit dem niedrigsten Risiko reduzieren oder Hochrisikopatienten präventiv behandeln.

Diese Entwicklung könnte weitreichende Auswirkungen auf die medizinische Bildgebung haben. Die Fähigkeit der KI, aus mehreren Bildern zu lernen, könnte in vielen Bereichen der Medizin Anwendung finden, in denen Patienten regelmäßig überwacht werden. Die Forscher hoffen, dass dieses Projekt weitere Innovationen inspiriert und die Art und Weise, wie wir medizinische Daten analysieren, grundlegend verändert.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!