Prospektive Beobachtungsstudie zur Klassifizierung von Mikroverkalkungen der Brust mit Techniken der künstlichen Intelligenz

Mikroverkalkungen der Brust werden derzeit anhand der radiologischen BI-RADS-Skala klassifiziert. Bei verdächtigen Mikroverkalkungen (B3) wird empfohlen, eine Biopsie zur histopathologischen Beurteilung durchzuführen. Etwa 70-80 % der durchgeführten Biopsien zeigen jedoch eine gutartige Histologie, die keiner chirurgischen Behandlung bedarf. Stanzbiopsien sind invasive Eingriffe mit biologischen, psychologischen (Patientenbeschwerden), organisatorischen und wirtschaftlichen (für das Gesundheitssystem) Kosten. Daher ist die Verbesserung der Genauigkeit bei der radiologischen Klassifizierung von Mikroverkalkungen von wesentlicher Bedeutung. In letzter Zeit wurde in der Literatur über verschiedene Ansätze berichtet, um Mikroverkalkungen in digitalen Mammographien zu erkennen und als gutartig oder verdächtig zu klassifizieren. Als vielversprechend für die Verarbeitung von Mammografiebildern haben sich auch Analyseverfahren herausgestellt, die auf dem Einsatz von Deep Learning (DL) basieren. Convolutional Neural Networks (CNNs) sind derzeit der Stand der Technik für die Bildklassifizierung in vielen Anwendungsfeldern im Bereich Computer Vision. Diese Studie beabsichtigt, eine Klassifizierungsmethode für Brustmikroverkalkungen (als gutartig oder bösartig) mit Techniken der künstlichen Intelligenz (KI) auf mammographischen Bildern zu implementieren und die diagnostische Leistung (Genauigkeit) dieses Ansatzes zu bewerten. Die Auswertung erfolgt in Anlehnung an das radiologische Standardverfahren (BI-RADS-Klassifikation).

Zusammen mit der Anwendung von KI-Systemen auf die mammografische Bildgebung besteht ein weiterer aktueller klinischer Bedarf in der Entwicklung eines diagnostischen Werkzeugs, das in der Lage ist, die biomolekularen Eigenschaften von Mikroverkalkungen in situ zu bestimmen und ihre Beschaffenheit ohne Gewebeentnahme, Fixierung und Einbettung der Probe darin genau zu unterscheiden Paraffin und ohne hochspezialisierte Beurteilung durch den Pathologen. Die Raman-Spektroskopie (RS) ist aus biomolekularer Sicht eine hochspezifische Methode und gleichzeitig kompatibel mit In-vivo-Messungen. Es besteht aus einem biophotonischen Ansatz, der in der Lage ist, die molekulare Zusammensetzung einer bestimmten Probe durch ihre direkte Bestrahlung (durch Laserlicht) und die gleichzeitige Erfassung von Emissionssignalen zu untersuchen. RS-Informationen könnten mit Bildgebungsfunktionen kombiniert werden, um ein KI-Modell für die kombinierte Klassifizierung von Brustmikroverkalkungen zu implementieren