/Gesundheit

Forscher haben einer Künstlichen Intelligenz in nur zwei Stunden beigebracht Krebs zu erkennen

Ben Hartlmaier, WIRED Staff 27.11.2018 Lesezeit 3 Min

Ein Medizin-Startup und ein Radiologe haben eine Künstliche Intelligenz in weniger als zwei Stunden dazu gebracht, bösartige Krebszellen zu erkennen. Je nach Fehlertoleranz lag die Genauigkeitsrate bei 83 Prozent. In einem Punkt ist die Künstliche Intelligenz dem Menschen allerdings noch klar unterlegen.

Menschliche Ärzte brauchen unter Umständen mehrere Jahre an Studium und Fachlektüre, um bösartige Krebszellen erkennen zu können. Eine Künstliche Intelligenz (KI) hat das jetzt in weniger als zwei Stunden gelernt. Das auf medizinische KI spezialisierte Startup MD.ai und der Radiologe Luke Oakden-Rayler haben in Zusammenarbeit mit dem News-Portal Quartz zwei Algorithmen darauf trainiert, gemeinsam möglichst zuverlässige Krebsdiagnosen zu erstellen: Das erste Programm entdeckt auf CT-Aufnahmen Tumore, während das zweite diese auf ihre Bösartigkeit hin analysiert. In wie vielen Fällen dieses KI-System Krebs erkennen kann, hängt dabei von einer durch menschliche Benutzer festgelegten Variable für Fehlalarme ab, schreiben die Forscher auf der Seite des World Economic Forum.

Zum Training haben die Forscher die KI mit rund 200.000 Bildern von 2D- und 3D-CT-Scans gefüttert. Darauf waren entweder gutartige oder bösartige, oder aber auch gar keine Tumore zu sehen. Nach weniger als zwei Stunden war die KI soweit, dass sie bei jeweils einem erlaubten Fehlalarm pro Scan etwa 68 Prozent aller vorhandenen Tumore erkannte und deren Bösartigkeit mit einer Genauigkeit von knapp 83 Prozent diagnostizierte.

Eine bessere Trefferquote bedeutet auch mehr Fehlalarme

Das Training der Algorithmen beinhaltete eine spezielle Metrik namens „Recall“, mit der sich bei einer bestimmten Anzahl von Fehlalarmen pro Scan die Trefferquote für Geschwüre kontrollieren lassen. Damit steigt bei einer höheren Toleranz für Fehlalarme auch der Prozentsatz der Trefferquote. Die Entscheidung, ob das System mit höherer Erkennungsgenauigkeit oder weniger Fehlalarmen arbeitet, überlassen die Forscher den Ärzten, die die Software einsetzen wollen.

Mit dem Projekt wollen die Autoren auch darauf hinweisen, dass Menschen und Maschinen auf ganz unterschiedliche Art lernen. Das habe sich vor allem bei der Erkennung verkalkter Tumore gezeigt, die in der Regel gutartig sind. Durch ihre höhere Dichte erscheinen diese auf Bildern heller und sind so relativ leicht zu erkennen. Menschen könnten sich einfach folgenden Satz merken: „Ein sehr dichter Knoten ist verkalkt und damit gutartig“ – und mit diesem Wissen auch ohne weitere Übung gutartige Tumore erkennen, schreiben die Autoren auf Quartz.

Die KI braucht 50.000 Bilder für etwas, das ein Mensch mit einem Satz begreift

Bei einer KI sei dies jedoch nicht so einfach, weil Machine-Learning-Algorithmen kein zuvor festgelegtes Wissen berücksichtigen können. Da eine KI keine Vorstellung davon habe, wie Kalzium aussieht oder dass verkalkte Knötchen gutartig sind, muss sie sich dieses Verständnis erst aus vielen Beispielen erarbeiten. In diesem Fall brauchte es über 50.000 Bilder, bis die KI wusste, was ein Mensch aus einer kurzen Beschreibung in einem Buch lernen kann.

Andererseits sind KI-Systeme sehr schnell darin, neue Kenntnisse zu sammeln. Für die 50.000 Bilder brauchte der Algorithmus weniger als 20 Minuten – eine Aufgabe, die für einen Menschen mehrere Jahre dauern würde. Die Forscher glauben deshalb, dass die KI vor allem bei komplexeren Entscheidungen einen Vorteil haben könnte, bei denen Erfahrung wertvoller ist als Wissen. Noch sei die KI ohnehin nicht so gut wie ein Radiologe. Dieser Umstand ließe sich jedoch möglicherweise durch größere Mengen an Trainingsdaten verbessern.