Masterarbeit: Mit Künstlicher Intelligenz gegen Brustkrebs
Carlotta Ruppert hat ein Deep Learning-Modell entwickelt und trainiert, Brustläsionen zu erkennen und zu klassifizieren. Damit leistet sie einen wertvollen Beitrag zur Früherkennung von Brustkrebs. In Zukunft soll die Technologie direkt in der Untersuchung einsetzbar sein.
Rund 6300 Frauen erkranken in der Schweiz jedes Jahr an Brustkrebs. Eine frühzeitige Erkennung verbessert die Behandlungschancen erheblich. Dazu wird neben der Diagnose mittels Mammographie vor allem bei dichterem Brustgewebe Ultraschall zur Erkennung von Karzinomen angewendet. Die Methode hat aber eine höhere Falsch-positiv-Rate und erfordert sehr erfahrene Radiologinnen und Radiologen. Um diese in ihrer Arbeit zu unterstützen hat Carlotta Ruppert in ihrer Masterarbeit ein Deep Learning-Modell entwickelt, das Brustläsionen erkennt und klassifiziert.
«Mich begeistert, dass meine Arbeit direkt im Spital zum Einsatz kommt und grosses Potential hat die Brustkrebsdiagnose nachhaltig zu verbessern.»
Carlotta Ruppert
Arbeiten mit realen Fällen
Die Abschlussarbeit führte die Absolventin mit b-rayZ durch – einem Spin-off des Universitätsspitals Zürich, das es sich zum Ziel gemacht hat, nachhaltige und für alle Frauen zugängliche Künstliche Intelligenz-Lösungen (KI) für die Brustkrebsdiagnose zu entwickeln. Diese Kooperation ermöglichte es der Absolventin, auf mehr als 3000 für die Forschung freigegebene Ultraschallbilder und Patientinnenakten zugreifen zu können. «Diese sind nach dem weltweit angewendeten Breast Imaging Reporting and Data System (BI-RADS) klassifiziert. Damit werden Läsionen im Brustgewebe entsprechend ihrem Karzinom-Risiko eingestuft», ordnet sie ein. Eine Ärztin markierte diese Strukturen auf den Ultraschallbildern und labelte sie. Mit diesen Daten trainierte Carlotta Ruppert dann ihr Deep Learning-Modell. Da rund 80 Prozent der Trainings- und Validierungsbilder nur gutartige Brustläsionen zeigten, musste die Fehlerfunktion des Modells gewichtet werden.
Fast so gut wie Experten
Anschliessend initiierte Carlotta Ruppert einen Testlauf, in dem das Modell und zwei unabhängige Radiologinnen und Radiologen ein Set von 154 Ultraschallbildern analysierten. Das Modell erzielte dabei ähnlich gute Ergebnisse wie die menschlichen Expertinnen und Experten. «Dadurch wird das System zu einer grossen Hilfe in der Brustkrebsdiagnose», ist die Absolventin überzeugt. Um das umzusetzen, wird Carlotta Ruppert am Universitätsspital Zürich ein Doktorat beginnen: «Mich begeistert, dass meine Arbeit direkt im Spital zum Einsatz kommt und grosses Potential hat die Brustkrebsdiagnose nachhaltig zu verbessern.»
Unser Projekt adressiert eine Notwendigkeit in der Brustkrebsdiagnose: Die Variabilität in der Interpretation der Brustsonographie zu verringern. Die entwickelte Technologie bringt die existierenden Lösungen auf dem Markt erheblich voran, indem sie die Genauigkeit der Befunde verbessert und in den Arbeitsablauf von Radiologinnen und Radiologen integriert ist.
PD Dr. Cristina Rossi, CEO/Co-Founder, b-rayZ AG