Künstliche Intelligenz wird die Gesundheitsversorgung von morgen revolutionieren, glauben etliche Experten; viele Ansätze stecken aber noch in den Kinderschuhen. Nun haben Ärzte und Wissenschaftler eine Technologie entwickelt, die mittels maschinellen Lernens (englisch: "machine learning") erkennen kann, welche Herdbefunde in der Brust – so genannte Brustläsionen – sich wahrscheinlich zu Krebs entwickeln werden. Maschinelles Lernen ist eine Art künstliche Intelligenz, bei der ein System anhand von Erfahrungen automatisch lernt und sich verbessert. Laut den Forschern hat ihre Methode das Potenzial, unnötige Operationen zu reduzieren.

Für seine Studie beobachtete das Team, bestehend aus Wissenschaftlern des Massachusetts Institute of Technology und des Computer Science and Artificial Intelligence Laboratory in Cambridge, Massachusetts, sowie Ärzten des Massachusetts General Hospital und der Harvard Medical School, beide in Boston, 1006 Frauen mit einer "hochriskanten Brustläsion". Das heißt, bei ihnen wurde bereits per Biopsie festgestellt, dass ihre jeweilige Gewebeveränderung ein erhöhtes Risiko birgt, sich zu Brustkrebs zu entwickeln. Generell variiert in diesen Fällen die bevorzugte Behandlungsmethode je nach Klinik, meistens besteht sie jedoch in einer chirurgischen Entfernung. Gleichwohl stellen viele dieser Läsionen eigentlich keine unmittelbare Gefahr für das Leben der Patientinnen dar, beträgt die Wahrscheinlichkeit einer Krebsentstehung doch meist nur 20 Prozent oder weniger. Betroffene könnten auch mit einer intensiven Nachbeobachtung gut überwacht werden.

Das entwickelte Modell analysierte traditionelle Risikofaktoren wie das Alter der Studienteilnehmerinnen und die Histologie der Läsionen zusammen mit zahlreichen weiteren Merkmalen einschließlich bestimmter Wörter im ärztlichen Biopsiebericht. Das System trainierte an zwei Dritteln der Teilnehmerinnen; 115 davon entwickelten innerhalb des Beobachtungszeitraums (mindestens zwei Jahre) Brustkrebs, das sind elf Prozent.

Nach der Übungsphase testeten die Forscher das Modell an den verbleibenden 335 Läsionen. Anhand der anfänglichen Daten sagte der Algorithmus bei 37 von ihnen eine Krebsentstehung vorher. Insgesamt erkannte er so nur einen einzigen Fall nicht – 38 Läsionen hatten sich nämlich im weiteren Verlauf zu Krebs entwickelt. Die Trefferquote des Systems lag somit bei 97 Prozent. "Unsere Studie liefert einen Proof of Concept, dass maschinelles Lernen nicht nur unnötige Operationen in dieser speziellen Patientenpopulation reduzieren, sondern auch gezieltere, personalisierte Ansätze zur Patientenversorgung unterstützen kann", sagt eine Autorin der Publikation. Ziel sei es jetzt, das Werkzeug im klinischen Alltag zu verwenden und Ärzte bei der Entscheidungsfindung zu unterstützen.