Entwicklung von Modellen der künstlichen Intelligenz zur Segmentierung und Charakterisierung von Prostatakrebs: eine monozentrische retrospektive Beobachtungsstudie.

Prostatakrebs ist die zweithäufigste Krebserkrankung der männlichen Bevölkerung. Diese Pathologie stellt insbesondere in Industrieländern ein onkologisches und öffentliches Gesundheitsproblem dar, da in der Bevölkerung häufiger ältere Männer vertreten sind.

Die medizinische Bildgebung spielt eine zentrale Rolle beim Staging und Restaging von Prostataerkrankungen. Magnetresonanztomographie (MRT), Computertomographie (CT) und Positronenemissionstomographie (PET) gehören zu den Methoden, die in der normalen klinischen Praxis häufig zur Charakterisierung von Prostatakrebs eingesetzt werden. Bisher ist die Untersuchung dieser Bilder auf eine qualitative visuelle Analyse beschränkt, es gibt jedoch zunehmend Hinweise darauf, dass die Einführung einer quantitativen (oder halbquantitativen) Analyse biomedizinischer Bilder sinnvoll ist.

Der aktuelle Anstieg der verfügbaren Bilddaten und deren Qualität ermöglicht den Einsatz von Methoden der Künstlichen Intelligenz auch im medizinischen Bereich zur Automatisierung von Aufgaben (z. B. automatische Segmentierung) und Klassifizierung (z.B. Tumoraggressivität).

Die Extraktion quantitativer Daten und allgemeiner die Untersuchung von Tumorläsionen erfordert eine manuelle Segmentierung durch einen oder mehrere Ärzte. Dieser Vorgang dauert sehr lange, da jedes Bild einzeln verarbeitet werden muss; Darüber hinaus hängt das Ergebnis auch von der Erfahrung des Arztes ab, der die Segmentierung durchführt, und dies könnte zu Heterogenität führen und die Reproduzierbarkeit der Segmentierung beeinträchtigen.

KI-basierte automatische Segmentierungsmethoden können auf medizinische Bilder zur Lokalisierung von Tumorläsionen angewendet werden und überschreiten damit die Grenzen der manuellen Segmentierung.