Bessere Bewertung der Aggressivität von Prostatakrebs durch KI

„Bisherige KI-Modelle können zwar Vorhersagen zur Gleason-Bewertung treffen, liefern aber oft keine verständliche Begründung, was die klinische Akzeptanz einschränkt“, erklärt Titus Brinker vom Deutschen Krebsforschungszentrums (DKFZ). 

KI basiert auf über 1.000 Gewebeproben von Prostatakrebs

Das neu entwickelte KI-Modell wurde durch ein internationales Forschungsteam unter Leitung des Deutschen Krebsforschungszentrums (DKFZ)  entwickelt. Es basiert direkt auf Beschreibungen der Pathologie. Dazu wurden 1.015 Gewebeproben von Prostatakrebs von internationalen Expertinnen und Experten mit detaillierten Mustererklärungen versehen („annotiert“).

An der Studie waren 54 Pathologinnen und Pathologen aus zehn Ländern beteiligt. Ergebnis ist eine der umfangreichsten Sammlungen an erklärungsbasierten Gewebeannotationen. Daraus entwickelte das Team des DKFZ die Künstliche Intelligenz (KI) „GleasonXAI“. Sie bietet interpretierbare Entscheidungen – ähnlich wie ein Pathologe sie liefern würde.

Die KI nutzt sogenannter „Soft Labels“. Sie bilden die Unsicherheiten zwischen einzelnen Pathologen-Bewertungen ab. Daraus konnte die KI trotz hoher Variabilität reproduzierbare Ergebnisse erzielen. Im direkten Vergleich mit konventionellen Modellen erreichte GleasonXAI eine gleichwertige oder bessere Genauigkeit. Dabei ermöglicht sie höhere Transparenz.

KI spricht Pathologen-Sprache zu Prostatakrebs

An der Studie waren Pathologinnen und Pathologen unter anderem aus Deutschland, den USA, Kanada und der Schweiz beteiligt. Die Experten hatten wiesen durchschnittlich 15 Jahre klinische Erfahrung auf. Neben der Modellentwicklung veröffentlicht das Team auch den bislang größten frei verfügbaren Datensatz mit erklärungsbasierten Annotationen für Gleason-Muster für Prostatakrebs. Ziel ist es, die Forschung an erklärbarer KI weiter voranzutreiben.

„Wir haben erstmals ein KI-System entwickelt, das die charakteristischen Gewebemerkmale der Gleason-Muster erkennt und sie ähnlich wie ein Pathologe erklärt“, sagt Gesa Mittmann, Koautorin der Studie. „Das soll Vertrauen und Akzeptanz in die KI im klinischen Alltag steigern.“

KI hat Potenzial für die Klinik

Die Ergebnisse zeigen, dass erklärbare KI ohne Leistungseinbußen praxisnah umgesetzt werden kann. Dies könnte den Einsatz in der Routinepathologie beschleunigen. Dies ist sehr relevant gerade in Zeiten steigender Krebszahlen und sinkender Facharztkapazitäten.

Darüber hinaus unterstützt das Modell auch die Ausbildung: „Die erklärbaren Segmentierungen können besonders Nachwuchs-Pathologinnen und -Pathologen helfen, typische Muster zu verstehen und schneller sichere Diagnosen zu stellen“, betont Brinker.