Warum das so sein könnte, ist nicht ganz klar. Es könnte an Designfehlern in der Studie liegen. Die Studien, die die Autoren in ihre Analyse einbezogen haben, haben die Teilnehmer möglicherweise nicht lange genug begleitet, um einen Unterschied festzustellen. Eine andere Erklärung ist, dass die Vorteile des Screenings für einige durch die Nachteile für andere, die keinen Nutzen davon haben, überwiegen können. Wenn das Screening beispielsweise tödliche Krebsarten frühzeitig erkennt, könnten Patienten wertvolle Zeit gewinnen, um die Krankheit erfolgreich zu behandeln. Aber wenn bei einem Screening viele Krebsarten entdeckt werden, die keine Menschen töten, gerät das Gleichgewicht ins Wanken. Das Problem wird als Überdiagnose bezeichnet. Mir gefällt diese Beschreibung eines australischen Forscherteams: „Überdiagnose ist keine falsch positive Diagnose (Diagnose einer Krankheit bei einer Person, die die Diagnosekriterien nicht erfüllt) oder eine Fehldiagnose (Diagnose einer falschen Erkrankung bei einer Person, die tatsächlich an einer Krankheit leidet). Grundkrankheit).” Die Diagnose ist richtig, bringt dem Patienten jedoch kaum oder gar keinen gesundheitlichen Nutzen und kann sogar zu Schäden führen.
Es besteht kein Zweifel daran, dass durch Screening-Programme Krebsarten entdeckt wurden, die Menschen getötet hätten, wenn sie unentdeckt geblieben wären. Warum also Angst vor Überdiagnosen haben? Auch ein Screening kann schädlich sein. Patienten, die sich einer Koloskopie unterziehen, erleiden manchmal einen Darmdurchbruch. Biopsien können zu einer Infektion führen. Behandlungen wie Bestrahlung und Chemotherapie bergen ernsthafte Risiken für die Gesundheit der Menschen, ebenso wie chirurgische Eingriffe zur Entfernung von Tumoren.
Wird das KI-gestützte Screening also zu mehr Überdiagnosen führen? Ich habe mich bei Adewole Adamson erkundigt, einem Dermatologen und Forscher an der Dell School of Medicine der University of Texas in Austin. „Ich würde vorbehaltlos sagen: ‚Ja, das wird es‘“, sagt er. „Die Leute denken, dass das Ziel darin besteht, mehr Krebs zu finden. Das ist nicht unser Ziel. Unser Ziel ist es, Krebsarten zu finden, die letztendlich Menschen töten.“
Und das ist schwierig. Für die überwiegende Mehrheit der Krebsarten gibt es keine gute Möglichkeit, nichttödliche von tödlichen Fällen zu unterscheiden. Deshalb behandeln Ärzte sie alle oft so, als ob sie tödlich sein könnten.
In einem Artikel aus dem Jahr 2019 erklärt Adamson, wie diese Krebserkennungsalgorithmen lernen. Dem Computer werden Bilder präsentiert, die mit „Krebs“ oder „kein Krebs“ gekennzeichnet sind. Der Algorithmus sucht dann nach Mustern, die ihm bei der Unterscheidung helfen. „Das Problem ist, dass es keine einzige richtige Antwort auf die Frage gibt: „Was ist Krebs?“ Adamson schreibt. „Diagnosen von Krebs im Frühstadium, die mithilfe maschineller Lernalgorithmen erstellt werden, werden zweifellos konsistenter und reproduzierbarer sein als solche, die auf menschlicher Interpretation basieren. Aber sie werden nicht unbedingt näher an der Wahrheit sein – das heißt, Algorithmen sind möglicherweise nicht besser als Menschen bei der Bestimmung, welche Tumoren Symptome oder Tod verursachen werden.“
Aber es besteht auch die Möglichkeit, dass KI dabei helfen könnte, das Problem der Überdiagnose anzugehen. Die australischen Forscher, auf die ich oben verwiesen habe, führen dieses Beispiel an: KI könnte die in Krankenakten eingebetteten Informationen nutzen, um den Verlauf der Krebserkrankungen verschiedener Patienten im Laufe der Zeit zu untersuchen. In diesem Szenario könnte es möglich sein, diejenigen zu unterscheiden, die von einer Diagnose nicht profitieren.
Adamson ist nicht gegen KI. Er sieht einen Sinn darin, den Daten, aus denen die Algorithmen lernen, einfach eine dritte Kategorie hinzuzufügen: „Vielleicht Krebs.“ Diese Klassifizierung würde Folien oder Bilder umfassen, die unter Experten zu Meinungsverschiedenheiten führen. Für diese Patienten „prüfen Sie vielleicht Behandlungen, die etwas konservativer sind.“
Daher ist es wahrscheinlich noch zu früh, um ein Urteil über die Rolle von KI bei der Krebsdiagnose zu fällen, aber wir sollten alle zukünftigen Behauptungen über KI-Krebsfrüherkennung wahrscheinlich mit einem skeptischeren Blick betrachten. Adamson seinerseits ist es leid, Schlagzeilen zu sehen, in denen die Fähigkeit der KI zur Ansteckung weiterer Krebsarten hervorgehoben wird. „Menschen werden durch solche Schlagzeilen dazu verleitet zu denken, dass es besser sei, mehr Krebs zu finden“, sagt er. „Ich möchte mir die Haare ausreißen, wenn ich welche hätte.“
Etwas anderes
Letzte Woche habe ich darüber geschrieben, was Sie über die Covid-Impfstoffe dieses Herbstes wissen sollten. Diese Woche habe ich auf der Website eine weitere Geschichte darüber, wer voraussichtlich am meisten von den Impfstoffen profitieren wird, die am 12. September von der CDC genehmigt wurden.
Lesen Sie mehr im Archiv von Tech Review
Wenn Radiologen und KI zusammenarbeiten, können sie mehr Brustkrebsfälle erkennen, als beides für sich alleine schafft. Hana Kiros hat die Geschichte.
Megan Lewis berichtet, dass KI auch bei Hautkrebs vielversprechend sein könnte.