Könnte maschinelles Lernen bei der Früherkennung von Brustkrebs helfen?

Was sind die Risikofaktoren für Brustkrebs? Wird künstliche Intelligenz eines Tages die Krankheit zuverlässig vorhersagen können?  Und wie viel Vertrauen hätte die Bevölkerung in eine solche Vorhersage? Diese drei Fragen bilden das ehrgeizige Triptychon der Arbeit von Federica Maestri, die an der Universität Luxemburg im dritten Jahr Informatikwissenschaft studiert.

Um diese Fragen zu beantworten, hat sie eine Website mit dem Titel "Pink for Science" erstellt. Die Seite ist zwar noch nicht online; sie könnte jedoch die Basis für eine kostenlose App werden.

Wie kamen Sie auf die Brustkrebsvorsorge als Forschungsthema?

"Die Pandemie hat zu einer Verzögerung der Diagnostik geführt. Manche Frauen trauten sich aus Angst vor dem Virus nicht mehr zu den Vorsorgeterminen. Zudem verlangsamten die Auswirkungen der Pandemie auf das Gesundheitssystem das erstellen einer Diagnose. Es gab einen Rückgang von 80% der durchgeführten Mammographien in den Pandemie-Jahren; dabei ist die Mammographie nach wie vor die effektivste diagnostische Methode."

All dies motivierte die junge Forscherin, eine kostenlose und weltweit verfügbare Lösung zu suchen. Sie möchte den Frauen helfen, die richtigen Fragen zu stellen und frühzeitig ärztlichen Rat zu suchen.

"Pink for Science": Was genau ist das?

Der erste Teil des Projekts ist ein Instrument zur Einschätzung des Gesamtrisikos, eines Tages an Brustkrebs zu erkranken. Die Nutzerin beantwortet einen Online-Fragebogen über ihre medizinische Vorgeschichte, ihr Profil (Alter, ethnische Zugehörigkeit...), die Familiengeschichte und weitere Risikofaktoren (Tabak, Alkohol, Hormonbehandlung...).

"Sowohl die erfragten Risikofaktoren als auch die Ergebnisse des Tests werden ausführlich erläutert, um den Prozess so transparent wie möglich zu gestalten. Je nach angegebener Wahrscheinlichkeit kann eine ärztliche Beratung empfohlen werden. Das Ziel dieses Tools ist es, das Bewusstsein zu schärfen, insbesondere wenn der Zugang zum medizinischen System schlecht ist; es ist kein diagnostisches Werkzeug und soll keinen Arztbesuch ersetzen."

Der zweite Teil betrifft das maschinelle Lernen. Aufgrund des geringen Umfangs der verfügbaren medizinischen Daten war dies komplizierter zu bewerkstelligen. Federica erklärt ihr Vorgehen: "Ich fand einen Datensatz mit 7632 Bildern von Mammographien, die in zwei Kategorien sortiert waren: normales Bild / pathologisches Bild. Ich habe die KI mit diesem Datensatz gefüttert, damit sie lernen konnte, Bilder zu erkennen, auf denen Krebs zu sehen ist."

Der dritte Teil schließlich ist eine Reflexion über das Vertrauen in die KI. Federicas Schlussfolgerung ist differenziert und scharfsinnig: Eine Maximierung des Vertrauens ist nicht unbedingt wünschenswert. Denn behält der Nutzer die Ergebnisse nicht kritisch im Auge, so werden mögliche Fehler, die der KI unterlaufen, nicht mehr erkannt.

"Deshalb wird dieses Tool niemals das fachkundige Auge des Radiologen (oder eines anderen Arztes) ersetzen. Es soll ihm bei der Entscheidungsfindung helfen, nicht mehr und nicht weniger."

So wie ein Stethoskop, oder ein Arzneimittel-Atlas.

Welche Probleme birgt ein solches maschinelles Lernprogramm?

Sie sind vor allem forensischer Natur, da medizinische Daten nur schwer zugänglich sind. Um ein Werkzeug zur Verfügung zu stellen, das die Analyse von Röntgenbildern ermöglicht, müssen verschiedene Aspekte gut gesichert sein: Datenschutz; Ethik; Gültigkeit der Daten, die zum Training der KI dienen. Wer hat die Bilder befundet? Wie groß ist die Fehlerquote?

Ein weiteres Problem: Niemand weiß wirklich, wie maschinelles Lernen funktioniert. Die Zwischenschritte, die zum Ergebnis führen, sind uns nicht bekannt. Dies schafft einen Mangel an Transparenz, behindert die Beseitigung von Systemfehlern und hemmt somit das Vertrauen der Nutzer.

Das von Federica entwickelte Modell ist also noch nicht perfekt, aber die Grundlagen für die Programmierung sind gelegt und die Reflexion ist in Gang gesetzt.

Welche langfristigen Pläne hat Federica Maestri?

Federica plant, sich weiterhin in der IT-Branche zu bewegen, ohne dabei die Verbindung zur Gesundheit zu vergessen. Sie denkt darüber nach, sich im Bereich der Präzisionsmedizin zu investieren.

Sie findet auch, dass der Frauenanteil in einigen Fachrichtungen wie der Informatik viel zu gering ist - höchste Zeit, das zu ändern!

Anmeldungen für den nationalen Jonk-Fuerscher-Wettbewerb 2024 sind jetzt möglich! Jugendliche von 11-21 Jahren können einzeln oder in Gruppen von bis zu 3 Personen teilnehmen. Details auf https://fjsl.lu/activities/njfcontest.

Autorin: Diane Bertel
Editorin: Michele Weber (FNR)