Die Brustkrebsfr\u00fcherkennung basiert auf der Auswertung von Mammografien durch zwei Gesundheitsexperten. Diese Methode ist zwar wirksam, sieht sich jedoch mit einem wachsenden Mangel an Radiologen konfrontiert, insbesondere im Vereinigten K\u00f6nigreich, wo bis 2028 fast 40 % der Stellen unbesetzt bleiben k\u00f6nnten. Eine aktuelle Studie untersuchte den Einsatz k\u00fcnstlicher Intelligenz als zweiten Leser zur Analyse dieser Bilder, um die Arbeitsbelastung zu verringern, ohne die Qualit\u00e4t der Diagnosen zu beeintr\u00e4chtigen.<\/p>\n
Die Studie umfasste 50.000 Frauen aus zwei britischen Fr\u00fcherkennungszentren. Die Ergebnisse zeigen, dass der Ersatz des zweiten menschlichen Lesers durch ein Werkzeug der k\u00fcnstlichen Intelligenz eine \u00e4hnliche Genauigkeit bei der Erkennung von Krebs und der Reduzierung falsch positiver Ergebnisse erm\u00f6glicht. Nach einer Schiedsphase, in der Experten strittige F\u00e4lle erneut pr\u00fcfen, erwiesen sich die Sensitivit\u00e4t und Spezifit\u00e4t der k\u00fcnstlichen Intelligenz als ebenso gut wie die von zwei menschlichen Lesern. Das bedeutet, dass das Werkzeug genauso viele echte Krebsf\u00e4lle erkennt und ebenso viele Fehldiagnosen vermeidet.<\/p>\n
Ein Hauptvorteil dieses Ansatzes ist die deutliche Verringerung der Arbeitszeit. Die Anzahl der von Menschen zu analysierenden Mammografien sank um 50 %, da die k\u00fcnstliche Intelligenz einen Teil der Untersuchungen \u00fcbernimmt. Allerdings wird die Schiedsphase mit k\u00fcnstlicher Intelligenz h\u00e4ufiger, mit einem Anstieg von 22 % auf 142 % je nach Zentrum. Dieser Anstieg erkl\u00e4rt sich dadurch, dass das Werkzeug manchmal Anomalien meldet, die von Experten nicht best\u00e4tigt werden, oder umgekehrt subtile F\u00e4lle \u00fcbersehen kann, die Menschen erkennen.<\/p>\n
Die k\u00fcnstliche Intelligenz zeigte eine besondere F\u00e4higkeit, Krebserkrankungen zu identifizieren, die zwischen zwei Screenings oder beim n\u00e4chsten Screening auftreten, sogenannte Intervall- oder Folgekrebsf\u00e4lle. Vor der Schiedsphase erkannte sie diese besser als Menschen. Nach der erneuten Bewertung durch Experten verringerte sich dieser Unterschied jedoch, da einige Signale des Werkzeugs verworfen wurden. Dies wirft die Frage auf: Wie k\u00f6nnen die Vorschl\u00e4ge der k\u00fcnstlichen Intelligenz besser integriert werden, damit sie zuverl\u00e4ssiger sind und von Radiologen besser verstanden werden?<\/p>\n
Die Leistung des Werkzeugs variiert je nach den f\u00fcr die Mammografien verwendeten Ger\u00e4ten. Es ist mit den Ger\u00e4ten eines Herstellers effektiver als mit denen eines anderen, was darauf hindeutet, dass es an die lokalen Technologien angepasst werden muss, bevor es eingesetzt wird. Die an der Studie teilnehmenden Radiologen \u00e4u\u00dferten ein m\u00e4\u00dfiges Vertrauen in das Werkzeug, wiesen jedoch auf dessen Grenzen hin, insbesondere auf die Tendenz, bestimmte Anomalien wie Verkalkungen \u00fcberzubewerten.<\/p>\n
Diese Studie ebnet den Weg f\u00fcr einen breiteren Einsatz k\u00fcnstlicher Intelligenz in der Brustkrebsfr\u00fcherkennung. Sie zeigt, dass es m\u00f6glich ist, die Arbeitsbelastung der Fachkr\u00e4fte zu verringern, ohne die Qualit\u00e4t der Diagnosen zu opfern. Um weiter voranzukommen, m\u00fcssen die Transparenz der Entscheidungen des Werkzeugs verbessert und Radiologen in seiner Anwendung geschult werden, damit sie dessen Warnungen besser bewerten und optimal nutzen k\u00f6nnen.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s43018-026-01128-z<\/a><\/p>\n Titre\u00a0:<\/strong> Impact of using artificial intelligence as a second reader in breast screening including arbitration<\/p>\n Revue : <\/strong> Nature Cancer<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Lucy M. Warren; Jenny Venton; Kenneth C. Young; Mark Halling-Brown; Christopher J. Kelly; Marc Wilson; Megumi Morigami; Lisanne Khoo; Deborah Cunningham; Richard Sidebottom; Mamatha Reddy; Hema Purushothaman; Delara Khodabakhshi; Lesley Honeyfield; Amandeep Hujan; Tsvetina Stoycheva; Andy Joiner; Reena Chopra; Aminata Sy; Dominic Ward; Lin Yang; Rory Sayres; Daniel Golden; Namrata Malhotra; Rachita Mallya; Lihong Xi; Della Ogunleye; Charlotte Purdy; Alistair Mackenzie; Susan Thomas; Shravya Shetty; Fiona J. Gilbert; Ara Darzi; Hutan Ashrafian<\/p>\n","protected":false},"excerpt":{"rendered":" Kann k\u00fcnstliche Intelligenz die Brustkrebsfr\u00fcherkennung verbessern, ohne Radiologen zu \u00fcberlasten? Die Brustkrebsfr\u00fcherkennung basiert auf der Auswertung von Mammografien durch zwei Gesundheitsexperten. Diese Methode ist zwar wirksam, sieht sich jedoch mit einem wachsenden Mangel an Radiologen konfrontiert, insbesondere im Vereinigten K\u00f6nigreich, wo bis 2028 fast 40 % der Stellen unbesetzt bleiben k\u00f6nnten. Eine aktuelle Studie untersuchte… Kann k\u00fcnstliche Intelligenz die Brustkrebsfr\u00fcherkennung verbessern, ohne Radiologen zu \u00fcberlasten?<\/span> weiterlesen<\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3,6,5],"tags":[],"class_list":["post-17","post","type-post","status-publish","format-standard","hentry","category-gesundheit","category-politik","category-wissenschaft-technologie","entry"],"_links":{"self":[{"href":"https:\/\/theengineeringreview.com\/de\/wp-json\/wp\/v2\/posts\/17","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/theengineeringreview.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/theengineeringreview.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/theengineeringreview.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/theengineeringreview.com\/de\/wp-json\/wp\/v2\/comments?post=17"}],"version-history":[{"count":1,"href":"https:\/\/theengineeringreview.com\/de\/wp-json\/wp\/v2\/posts\/17\/revisions"}],"predecessor-version":[{"id":18,"href":"https:\/\/theengineeringreview.com\/de\/wp-json\/wp\/v2\/posts\/17\/revisions\/18"}],"wp:attachment":[{"href":"https:\/\/theengineeringreview.com\/de\/wp-json\/wp\/v2\/media?parent=17"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/theengineeringreview.com\/de\/wp-json\/wp\/v2\/categories?post=17"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/theengineeringreview.com\/de\/wp-json\/wp\/v2\/tags?post=17"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}