Hirnchirurgen stehen bei der Tumorentfernung oft vor kritischen Entscheidungen.
Jetzt haben niederländische Wissenschaftler ein KI-Tool zur Unterstützung des intraoperativen Entscheidungsprozesses eingeführt, das Chirurgen ultraschnelle Einblicke in Tumortypen und -subtypen bietet.
Laut einer kürzlich erschienenen Studie veröffentlicht in NatureDie KI untersucht bestimmte Segmente der DNA eines Tumors und identifiziert bestimmte chemische Strukturen.
Diese Analyse gibt Aufschluss über die Art des Tumors und möglicherweise über seinen Subtyp. Solche frühzeitigen Informationen können den Chirurgen bei der Durchführung des chirurgischen Eingriffs helfen.
"Es ist unerlässlich, dass der Tumorsubtyp zum Zeitpunkt der Operation bekannt ist", erklärte Jeroen de Ridder, außerordentlicher Professor am UMC Utrecht. "Was wir jetzt auf einzigartige Weise ermöglicht haben, ist, dass diese sehr feinkörnige, robuste und detaillierte Diagnose bereits während der Operation durchgeführt werden kann."
Ihr Deep-Learning-System mit dem Namen Sturgeon wurde strengen Tests unterzogen. In einigen anfänglichen Tests verzichtete die KI aufgrund unklarer Daten auf eine Diagnose.
Insgesamt demonstrierten die Forscher die Echtzeit-Effektivität des Modells bei 25 Operationen und erreichten eine schnelle diagnostische Durchlaufzeit von weniger als 90 Minuten, viel schneller als herkömmliche Methoden. 72% der Diagnosen waren richtig, aber sieben erreichten nicht die erforderliche Vertrauensschwelle.
Während das Standard-Diagnoseverfahren eine mikroskopische Untersuchung von Hirntumorproben umfasst, bietet eine umfassende genetische Sequenzierung tiefere Einblicke. Wie Dr. Alan Cohen vom Johns Hopkins jedoch betonte, "müssen wir mit der Behandlung beginnen, ohne zu wissen, was wir behandeln".
Dr. de Ridder erläuterte die Fähigkeiten der KI weiter: "Sie kann selbst herausfinden, was sie betrachtet und eine robuste Klassifizierung vornehmen."
Dennoch bleiben einige Herausforderungen bestehen. Die Variabilität innerhalb des Tumors, die Stichprobengröße und bestimmte schwer fassbare Tumoren können Schwierigkeiten bereiten. Marc Pagès-Gallego, einer der Mitautoren der Studie, erläuterte, wie sie diese Probleme bewältigt haben.
Dr. Sebastian Brandner vom University College London äußerte sich zu den praktischen Aspekten: "Die Umsetzung selbst ist weniger einfach, als oft angenommen wird."
Dieses Instrument stellt zwar einen bedeutenden Fortschritt dar, hat aber auch seine Grenzen.
ADr. Cohen räumte ein: "Wir haben einige Fortschritte gemacht, aber nicht so viele bei der Behandlung wie beim Verständnis des molekularen Profils der Tumoren."
Mehr über die Studie
Das innovative Tool "Sturgeon" nutzt Deep Learning, um die intraoperative Klassifizierung von Hirntumoren zu verbessern und so zu einer besseren chirurgischen Entscheidungsfindung beizutragen.
Das Modell ist so konzipiert, dass es Tumortypen und -subtypen "ultraschnell" klassifizieren kann.
- Herausforderungen: Die Klassifizierung von Tumoren während der Operation ist aufgrund der begrenzten Sequenzierungszeit und der unsicheren Datenabdeckung schwierig.
- Die Lösung von Sturgeon: Dieses Deep-Learning-System verwendet Daten, die von weithin verfügbaren Methylierungs-Array-Daten abgeleitet sind, die zur Erstellung von Hirntumorprofilen verwendet werden. Sturgeon lagert rechenintensive Aufgaben aus, um die Rechenressourcen während der Operation zu minimieren.
- Leistung: Das Modell hat konsistente Ergebnisse gezeigt, berücksichtigt aber oft nicht die Vielfalt innerhalb des Tumors. Es lieferte in 72% der chirurgischen Tests die richtige Diagnose.
- Künftige Entwicklung: Je mehr Daten gesammelt werden, desto besser werden die Daten von Sturgeon sein, auch wenn die Beschränkungen für die gemeinsame Nutzung von Daten aufgrund von Bedenken hinsichtlich des Schutzes der Privatsphäre ein institutionsübergreifendes Lernen erschweren.
- Beschränkungen: Eine mögliche Einschränkung ist die erforderliche Menge an Gewebe. Das Modell erfordert eine Probengröße von etwa 5 x 5 x 5 mm, um optimale Ergebnisse zu erzielen, aber es wurde auch schon erfolgreich DNA aus kleineren Proben extrahiert.
Entscheidend ist, dass mit Sturgeon die Ergebnisse der Tumordiagnostik innerhalb von 90 Minuten vorliegen, was mit den chirurgischen Zeitplänen übereinstimmt. Dadurch erhalten die Chirurgen Einblicke in Echtzeit und können während der Operation bessere Entscheidungen treffen.
Die Daten von Sturgeon sind zwar nützlich, sollten aber laut der Studie idealerweise zusammen mit der Beurteilung durch einen geschulten Pathologen verwendet werden.
Sturgeon reiht sich ein in eine Reihe von hochmodernen, medizinisch orientierten KI-Modellen, die in diesem Jahr entwickelt wurden und zeigen, dass die Technologie in der Lage ist, das Gesundheitswesen zu verändern.
