EUVIMEDEUVIMED entdecken
Crossref

Künstliche Intelligenz zur Indikationsstellung einer invasiven Mikrokalkabklärung im Mammografie-Screening

Stefanie Weigel, Anne-Kathrin Brehl, Walter Heindel, Laura Kerschke

Senologie - Zeitschrift für Mammadiagnostik und -therapie · 01.09.2023 · 20 (03) · 216-224

DOI: 10.1055/a-2143-1428 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Senologie - Zeitschrift für Mammadiagnostik und -therapie, erschienen am 01.09.2023. Verfasst von Stefanie Weigel und 3 weiteren Autor:innen. Die Arbeit nennt 20 Literaturangaben. Gefördert von: EU INTERREG V A Programm Deutschland-Niederlande.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Ziel

Läsionsbezogene Überprüfung der diagnostischen Wertigkeit eines individuellen Algorithmus künstlicher Intelligenz (KI) in der Dignitätsbewertung von mammografisch detektierten und histologisch abgeklärten Mikroverkalkungen. Material und Methoden Die retrospektive Studie umfasste 634 Frauen mit abgeschlossener invasiver Abklärungsdiagnostik aufgrund von Mikroverkalkungen einer Mammografie-Screening-Einheit (Juli 2012 – Juni 2018). Das KI-System berechnete für jede Läsion einen Score zwischen 0 und 98. Scores > 0 wurden als KI-positiv betrachtet. Die KI-Performance wurde läsionen-spezifisch auf Basis des positiven prädiktiven Werts der umgesetzten invasiven Abklärungsdiagnostik (PPV3), der Rate falsch negativer und richtig negativer KI-Bewertungen evaluiert.

Ergebnisse

Der PPV3 stieg über die Befundstufen an (Befunder: 4a: 21,2 %, 4b: 57,7 %, 5: 100 %, gesamt 30,3 %; KI: 4a: 20,8 %, 4b: 57,8 %, 5: 100 %, gesamt: 30,7 %). Die Rate falsch negativer KI-Bewertungen lag bei 7,2 % (95 %-CI: 4,3 %, 11,4 %), die Rate richtig negativer KI-Bewertungen bei 9,1 % (95 %-CI: 6,6 %, 11,9 %). Diese Raten waren mit 12,5 % bzw. 10,4 % in der Befundstufe 4a am größten. Im Median war der KI-Score für benigne Läsionen am geringsten (61, Interquartilsabstand [IQR]: 45–74) und für invasive Mammakarzinome am höchsten (81, IQR: 64–86). Mediane Scores für das duktale Carcinoma in situ waren: 74 beim geringen (IQR: 63–84), 70 (IQR: 52–79) beim intermediären und 74 (IQR: 66–83) beim hohen Kernmalignitätsgrad. Schlussfolgerung Bei niedrigster Schwelle führt die Mikrokalk-bezogene KI-Bewertung zu einem zur menschlichen Bewertung vergleichbaren Anstieg des PPV3 über die Befundstufen. Der größte KI-bezogene Verlust an Brustkrebsdetektionen liegt bei geringstgradig suspekten Mikroverkalkungen vor mit einer vergleichbaren Einsparung falsch positiver invasiver Abklärungen. Eine Score-bezogene Stratifizierung maligner Läsionen lässt sich nicht ableiten. Kernaussagen: Zitierweise

Förderung

  • EU INTERREG V A Programm Deutschland-Niederlande

Zitieren

APA

Weigel, S., Brehl, A., Heindel, W., & Kerschke, L. (2023). Künstliche Intelligenz zur Indikationsstellung einer invasiven Mikrokalkabklärung im Mammografie-Screening. Senologie - Zeitschrift für Mammadiagnostik und -therapie, 20(03), 216-224. https://doi.org/10.1055/a-2143-1428

Vancouver

Weigel S, Brehl A, Heindel W, Kerschke L. Künstliche Intelligenz zur Indikationsstellung einer invasiven Mikrokalkabklärung im Mammografie-Screening. Senologie - Zeitschrift für Mammadiagnostik und -therapie. 2023;20(03):216-224. doi:10.1055/a-2143-1428

BibTeX
@article{Weigel2023,
  author = {Weigel, Stefanie and Brehl, Anne-Kathrin and Heindel, Walter and Kerschke, Laura},
  title = {Künstliche Intelligenz zur Indikationsstellung einer invasiven Mikrokalkabklärung im Mammografie-Screening},
  journal = {Senologie - Zeitschrift für Mammadiagnostik und -therapie},
  year = {2023},
  volume = {20},
  number = {03},
  pages = {216--224},
  doi = {10.1055/a-2143-1428}
}
Kostenlos starten →