Multizentrische Validierungsstudie eines künstlichen Intelligenztools zur automatischen Klassifizierung von Röntgenaufnahmen des Brustkorbs

Ein aktuelles Problem in Radiologieabteilungen ist die stetig steigende Zahl durchgeführter Untersuchungen. Diese ständig wachsende Informationsmenge führt zu einem Anstieg der Zeit, die medizinische Fachkräfte für die Berichterstattung über diese Studien aufwenden müssen. Die für die Berichterstattung angewandte Methodik variiert je nach Bildgebungsmodalität, zu der in Zentren mit hoher Komplexität unter anderem Radiologie, Computertomographie, Magnetresonanztomographie und Ultraschall gehören. Der größte Umfang an Studien entfällt derzeit auf einfache Röntgenaufnahmen. Im Hospital Italiano de Buenos Aires (HIBA) wurden im Jahr 2019 mehr als 220.000 Röntgenaufnahmen durchgeführt, und in dieser Gruppe handelt es sich bei mehr als 50 % der Untersuchungen um Röntgenaufnahmen des Brustkorbs, die als Methode zur Ersterkennung potenziell schwerwiegender Pathologien durchgeführt werden (Lungenknoten, Lungenentzündung, Pneumothorax).

Diese Bildgebungsmodalität ist nicht attraktiv und wird von der neuen Generation von Bildgebungsspezialisten nicht erforscht, die lieber auf modernere und komplexere Methoden wie Computertomographie oder Magnetresonanztomographie umsteigen. Daher wird das Problem der zunehmenden Menge an zu analysierenden einfachen Röntgenbildern durch den Mangel an Spezialisten mit Engagement und Erfahrung in deren Interpretation verschärft.

Im Bereich der Informatik hat sich ein Forschungsgebiet namens Künstliche Intelligenz (KI) herausgebildet, bei dem es sich um ein Computersystem handelt, das lernt, bestimmte Routineaufgaben auszuführen und menschliche Arbeit ergänzen oder imitieren kann. Der Entwickler muss dem KI-System mitteilen, welche Reaktion auf einen bestimmten Reiz gewünscht wird. Ein Beispiel hierfür ist die Rechtschreibprüfung in einem Textverarbeitungsprogramm.

Der Bereich der KI umfasst eine Vielzahl von Teilbereichen und spezifischen Techniken, wie zum Beispiel Machine Learning (ML) oder Deep Learning (DL). ML umfasst jedes Werkzeug, bei dem computergestützte Daten verwendet werden, um ein Modell anzupassen, das aus diesen Eingabedaten Schlussfolgerungen zieht. Algorithmen werden darauf trainiert, vorgegebene Aufgaben anhand einer Reihe zuvor klassifizierter Informationen zu erlernen. Dazu gehören auch traditionelle Techniken zur Erstellung von Vorhersagemodellen oder Klassifizierungsmodellen. E-Mail-Spam-Filterung ist ein Beispiel für ML. Neuronale Netze sind eines der in ML enthaltenen Werkzeuge.

Schließlich ist DL eine Art von ML, die seit 2015 auftaucht und darin besteht, Schichten zu einem traditionellen neuronalen Netzwerk hinzuzufügen und so ein nichtlineares Modell mit einem höheren Grad an Komplexität zu schaffen, da es die Anzahl der anzupassenden Parameter erhöht. Dieses Netzwerk wird einem Trainingsdatensatz ausgesetzt, der aus bereits gekennzeichneten Informationen besteht, und „lernt“, neue Informationen zu kennzeichnen, indem es die Kennzeichnungskriterien des Datensatzes nachahmt. Bei diesem Lernen handelt es sich tatsächlich um eine iterative Anpassung der Modellparameter, die entsprechend dem Fehler zwischen der ursprünglichen Kennzeichnung und der vom Netzwerk vorgeschlagenen Kennzeichnung iterativ geändert werden. Sobald das Modell trainiert ist, sind seine Parameter festgelegt und es kann verwendet werden, um Bezeichnungen neuer Informationen abzuleiten, deren Bezeichnung unbekannt ist. Es wurde festgestellt, dass DL-Methoden bei der Datenanalyse eine viel bessere Leistung erbringen als herkömmliche Methoden. DL hat bereits Anwendungen im Alltag, etwa Sprachassistenten in Smartphones oder automatische Gesichtserkennung und -kennzeichnung in sozialen Netzwerken.

Die auf die Bildverarbeitung angewendete DL basiert auf einer Methode namens Convolutional Neural Networks. Seine Anwendung wurde im Bereich der medizinischen Bildgebung untersucht und dabei Leistungsverbesserungen festgestellt, von der Objekterkennung (anatomische oder pathologische Strukturen in radiologischen Bildern) bis hin zu Segmentierungsaufgaben.

Seit 2018 führt das Hospital Italiano de Buenos Aires das TRx-Programm durch, das in der Entwicklung eines KI-basierten Tools zur Erkennung pathologischer Befunde in Röntgenaufnahmen des Brustkorbs besteht. Das Projekt ist Teil des Programms „Künstliche Intelligenz im Gesundheitswesen“ des Hospital Italiano de Buenos Aires und wird von einem multidisziplinären Team von Fachleuten durchgeführt, darunter biomedizinische Ingenieure, Datenwissenschaftler, Radiologen, klinisch-klinische Informatiker, Methodologen und Softwareentwickler. TRx ist ein am HIBA entwickeltes und validiertes DL-Modell, das vier Arten radiologischer Befunde auf Röntgenaufnahmen des Brustkorbs erkennt: Lungentrübungen (Knötchen, Raumforderungen, Lungenentzündung, Konsolidierungen, Mattglas oder Atelektasen), Pneumothorax, Pleuraergüsse und Rippen Brüche. Diese Erkennung erfolgt über vier unabhängige Module, die in ein einziges System integriert sind. Bei der Verarbeitung einer Röntgenaufnahme meldet TRx verschiedene Arten von Ergebnissen. Erstens zeigt das einheitliche TRx-System dichotom an, ob das Bild verdächtig auf einen pathologischen Befund ist oder ob es sich möglicherweise um eine normale Röntgenaufnahme des Brustkorbs handelt. Zweitens wird in jedem der vier Module insbesondere angegeben, ob jeweils ein Lungentrübungsbefund, ein Pneumothorax, ein Pleuraerguss oder ein Rippenbruch festgestellt wurde. Schließlich ermöglicht TRx die Visualisierung einer Wärmekarte über dem Bild, die farblich den Bereich des Thorax anzeigt, in dem ein vermuteter Befund festgestellt wurde.

Die beabsichtigte Verwendung dieses Tools besteht darin, Ärzte, die keine Bildgebung durchführen, bei der Diagnose von Röntgenaufnahmen des Brustkorbs durch die automatische Erkennung radiologischer Befunde zu unterstützen. TRx Version 1.0 (TRx v1) wertet frontale Röntgenaufnahmen des Brustkorbs von Patienten über 14 Jahren auf vier Arten von Befunden aus: Lungentrübungen, Pleuraerguss, Frakturen und Pneumothorax. Das Ziel dieses Tools besteht darin, die diagnostische Leistung von nicht bildgebenden Ärzten durch die Bereitstellung von Hilfestellungen oder einem „vorläufigen Bericht“ zu verbessern.

Eine Tatsache, die bei der KI betont wird, ist, dass Modelle reproduzierbar sein müssen; Das Modell muss bei gleichen Eingaben die gleichen oder bessere Ergebnisse liefern. Obwohl dies offensichtlich erscheint, steht es im Gegensatz zum Menschen, der häufig sowohl inter- als auch intra-beobachtervariabilität aufweist. Der Standard eines KI-Modells sollte mindestens der menschlichen Leistung entsprechen, die es unterstützen soll. Die Reproduzierbarkeit hängt vom Problem ab und das Ausmaß der Variabilität hängt von der konkreten Aufgabe ab.

Es gibt Autoren, die berichten, dass ein KI-Modell Schwierigkeiten bei der Bereitstellung genauer Vorhersagen bereiten kann, wenn es auf neue Situationen oder Populationen angewendet wird (d. h. denen es während des Trainings nicht ausgesetzt war). Während Radiologen in der Lage sind, sich erfolgreich an Unterschiede in Bildern anzupassen (sei es aufgrund der Schichtdicke, der Scannermarkierung, der Feldstärke, der Gradientenintensität oder der Kontrastzeit), ohne die Interpretation der Bilder zu beeinträchtigen, fehlt der KI diese Fähigkeit im Allgemeinen. Wenn ein KI-Agent beispielsweise nur mit Bildern von einem 3-Tesla-MRT-Scanner trainiert wurde, kann nicht a priori garantiert werden, dass er bei Scans, die bei 1,5 Tesla durchgeführt werden, die gleichen Ergebnisse erzielt. Eine Lösung besteht darin, mathematische Prozesse zu entwickeln, um die Daten zu erkennen, zu normalisieren und umzuwandeln, um Drift zu minimieren. Ein weiterer Ansatz zur Abschwächung dieses Phänomens besteht darin, Training und Validierung mit „vollständigen“ Datensätzen durchzuführen, die jede Art der Bilddatenerfassung und -rekonstruktion repräsentieren.

Um die diagnostische Leistung eines KI-Tools umfassend zu bewerten und damit seinen bestimmungsgemäßen Einsatz sicherzustellen, empfiehlt sich die Durchführung multizentrischer Studien, die es ermöglichen, diese Leistung bei unterschiedlichen Patientenpopulationen und unterschiedlichen Bildaufnahmeprotokollen zu messen. Die vorliegende multizentrische Studie zielt darauf ab, die Leistung eines KI-Tools (TRx v.1) als diagnostisches Hilfsmittel für Röntgenaufnahmen des Brustkorbs extern zu validieren.