Intelligente Unterstützung für die radiologische Befundung von Lungenneoplasmen (SPOILERS)

Lungenkrebs ist eine der häufigsten Krebsarten und hat eine der schlechtesten Prognosen, hauptsächlich aufgrund der Schwierigkeit einer frühen Diagnose. In Italien werden schätzungsweise 41.000 neue Fälle pro Jahr registriert, und im Jahr 2021 war die Krankheit für etwa 34.000 Todesfälle verantwortlich. Die soziale Auswirkung ist erheblich, da die Krankheit oft in einem fortgeschrittenen Stadium diagnostiziert wird, wenn die Überlebenschancen geringer sind: Die 5-Jahres-Überlebensrate beträgt in fortgeschrittenen Stadien etwa 18 %, während sie bei frühzeitiger Diagnose bis zu 90 % erreichen kann.

Lungenkrebs im Frühstadium manifestiert sich hauptsächlich in Form von Lungenknoten, die durch Computertomographie (CT) erkannt werden können. Die Diagnose dieser Knoten erfordert jedoch oft invasive Verfahren wie Bronchoskopie, CT-gesteuerte Nadelbiopsie oder chirurgische Biopsien, die die Lebensqualität der Patienten und die Gesundheitskosten beeinträchtigen. Aus diesem Grund ist die Fähigkeit, gutartige und bösartige Knoten genau zu unterscheiden, ein zentrales Thema in der klinischen Forschung.

In den letzten Jahren hat künstliche Intelligenz, insbesondere Deep-Learning-Techniken, ein erhebliches Potenzial bei der Unterstützung des CT-Screenings gezeigt. Die Ergebnisse zeigen, dass KI eine Leistung erzielen kann, die über der einzelner Radiologen liegt und mit der eines multidisziplinären Teams vergleichbar ist, wobei histologische Berichte als diagnostische Referenz verwendet werden. Dies bestätigt den Wert der KI als Instrument zur Unterstützung klinischer Entscheidungen.

Angesichts der multimodalen Natur klinischer Daten (Bilder, Textberichte, diagnostische Tests) wächst das Interesse an Modellen, die mehrere Informationsquellen integrieren können. In diesem Zusammenhang zielt das Forschungsprojekt darauf ab, ein System zu entwickeln, das automatisch Lungenknoten erkennt und natürliche Textbeschreibungen der Befunde generiert.