Forscher bei , das sich auf Computertechnik konzentriert, hat zwei Algorithmen für maschinelles Lernen entwickelt, die Bauchspeicheldrüsenkrebs bei einer höheren Schwelle als den aktuellen Diagnosestandards erkennen können. Die beiden Modelle bildeten zusammen das neuronale Netzwerk „PRISM“. Es wurde speziell zur Erkennung des duktalen Adenokarzinoms des Pankreas (PDAC), der häufigsten Form von Bauchspeicheldrüsenkrebs, entwickelt.
Die aktuellen Standard-PDAC-Screeningkriterien erfassen etwa 10 Prozent der Fälle bei Patienten, die von Fachleuten untersucht wurden. Im Vergleich dazu war PRISM des MIT in 35 Prozent der Fälle in der Lage, PDAC-Fälle zu identifizieren.
Obwohl die Verwendung keine völlig neue Leistung ist, zeichnet sich PRISM des MIT durch seine Entwicklung aus. Das neuronale Netzwerk wurde auf der Grundlage des Zugriffs auf verschiedene Sätze echter elektronischer Gesundheitsakten von Gesundheitseinrichtungen in den USA programmiert. Es wurden die Daten von über 5 Millionen elektronischen Patientenakten gespeist, was laut Forschern des Teams „den Umfang“ der Informationen übertraf, die einem KI-Modell in diesem speziellen Forschungsbereich zugeführt wurden. „Das Modell verwendet routinemäßige klinische Daten und Labordaten, um seine Vorhersagen zu treffen, und die Vielfalt der US-Bevölkerung ist ein erheblicher Fortschritt gegenüber anderen PDAC-Modellen, die normalerweise auf bestimmte geografische Regionen wie einige wenige Gesundheitszentren in den USA beschränkt sind“, Kai Jia , sagte MIT CSAIL PhD, leitender Autor des Artikels.
Das PRISM-Projekt des MIT startete vor über sechs Jahren. Die Motivation hinter der Entwicklung eines Algorithmus, der PDAC frühzeitig erkennen kann, hat viel damit zu tun, dass die meisten Patienten erst in späteren Stadien der Krebsentstehung diagnostiziert werden – insbesondere etwa achtzig Prozent werden viel zu spät diagnostiziert.
Die KI analysiert Patientendaten, frühere Diagnosen, aktuelle und frühere Medikamente in Pflegeplänen und Laborergebnisse. Insgesamt arbeitet das Modell daran, die Wahrscheinlichkeit einer Krebserkrankung vorherzusagen, indem es die Daten elektronischer Gesundheitsakten zusammen mit Faktoren wie dem Alter des Patienten und bestimmten Risikofaktoren, die in seinem Lebensstil erkennbar sind, analysiert. Dennoch kann PRISM immer noch nur so viele Patienten diagnostizieren, wie die KI die Massen erreichen kann. Derzeit ist die Technologie an ausgewählte Patienten in den USA gebunden. Die logistische Herausforderung bei der Skalierung der KI besteht darin, dem Algorithmus vielfältigere Datensätze und möglicherweise sogar globale Gesundheitsprofile zuzuführen, um die Zugänglichkeit zu verbessern.
Dennoch ist dies nicht der erste Versuch des MIT, ein KI-Modell zu entwickeln, das das Krebsrisiko vorhersagen kann. Es wurde insbesondere eine Möglichkeit entwickelt, Modelle zu trainieren, wie sie mithilfe von Mammographie-Aufzeichnungen die Entwicklung bei Frauen vorhersagen können. In dieser Forschungsrichtung bestätigten MIT-Experten: Je vielfältiger die Datensätze, desto besser kann die KI Krebserkrankungen und Populationen diagnostizieren. Die kontinuierliche Entwicklung von KI-Modellen, die die Krebswahrscheinlichkeit vorhersagen können, wird nicht nur die Ergebnisse für Patienten verbessern, wenn bösartige Erkrankungen früher erkannt werden, sondern auch die Arbeitsbelastung verringern. Der Markt für KI in der Diagnostik ist so reif für Veränderungen, dass er das Interesse großer Unternehmen weckt Tech-Werbespot, der versuchte, ein KI-Programm zu entwickeln, das Brustkrebs ein Jahr im Voraus erkennen kann.