Manchmal sind wichtige Informationen bei einer normalen visuellen Betrachtung medizinischer Bilder nicht erkennbar, insbesondere in der Onkologie. Radiomics ist jedoch eine quantitative Bildanalysemethode, die das Unsichtbare sichtbar machen kann. Mithilfe von Analysetechniken der künstlichen Intelligenz (KI) kann Radiomics visuelle Unterschiede in Bildintensität, -form oder -textur quantifizieren und so die subjektive und zeitaufwändige Natur der Bildinterpretation überwinden. [1]..
Heutzutage ist Brustkrebs die häufigste Krebsart weltweit und macht fast 30 % aller bösartigen Erkrankungen bei Frauen aus, und die aktuelle Entwicklung zeigt, dass die Inzidenz zunimmt.[2].Angesichts des Ausmaßes des Problems ist eine wirksame Behandlung dringend erforderlich.
Bisher neoadjuvante Chemotherapie[3]. (NAC) war das Hauptziel, die Tumorgröße zu verkleinern (auch als Downstaging bekannt), um eine brusterhaltende Operation zu ermöglichen und einen noch größeren Eingriff zu vermeiden.
Obwohl NAC das Potenzial hat, die Sterblichkeit in fortgeschrittenen Fällen zu senken, ist es mit einer hohen Überbehandlungsrate und erheblichen Nebenwirkungen für die Patienten verbunden. Andererseits wurde in Ländern mit niedrigerem Einkommen aufgrund der hohen Kosten von NAC eine Unterbehandlung festgestellt. RadioVal wird das Potenzial der Radiomics bewerten, um mit Hilfe von KI die Reaktion auf NAC bei Brustkrebspatientinnen vorherzusagen, die Patientenauswahl zu verbessern und sowohl eine Über- als auch eine Unterbehandlung zu reduzieren.
RadioVal ist die erste mehrdimensionale klinische Validierung der auf Radiomics basierenden NAC-Reaktionsschätzung bei Brustkrebs. Es wird in 8 klinischen Zentren in Schweden, Österreich, Spanien, Polen, Kroatien, Argentinien, Ägypten und der Türkei validiert. Es können große Bilddatenbanken, Tools und Ergebnisse aus 5 früheren, von der EU finanzierten AI4HI-Netzwerkprojekten verwendet werden.
Dies ist die erste internationale Validierung einer radiologischen KI-Lösung für Brustkrebs mit einer umfassenden und einheitlichen Methodik, der sowohl Ärzte als auch Patienten vertrauen können und die von Gesundheitszentren und anderen Interessengruppen unter Einhaltung der FUTURE-AI-Richtlinien umgesetzt wird.[4]., um Fairness, Universalität, Rückverfolgbarkeit, Benutzerfreundlichkeit, Robustheit und Erklärbarkeit zu bewerten. Das RadioVal-Projekt wird von Anfang an einen Multi-Stakeholder-Ansatz verfolgen und dabei klinische und medizinische Anforderungen sowie sozioethische und regulatorische Bedenken berücksichtigen.
Die Einbindung mehrerer Interessengruppen, darunter Klinikärzte und Patienten, IT- und Gesundheitsmanager sowie Ethik- und Rechtsexperten, wird die Umsetzung der Bewertungsmethoden und -studien leiten, während kontinuierliches Feedback der klinischen Gutachter empirische Daten zur Abschätzung von Kosten-Nutzen und Auswirkungen auf klinische Richtlinien und die behördliche Zulassung des RadioNac-Tools liefern wird.
Die Universität Barcelona leitet in Zusammenarbeit mit anderen Partnern, insbesondere Quibim, diese komplexe Projektzusammenarbeit, um zu bewerten, ob die Tools technisch robust, algorithmisch fair, nützlich und in klinischen Kontexten akzeptabel sind.
Quibim hat sich diesem spannenden Projekt angeschlossen, um in den drei Hauptphasen des RadioVal-Projekts eine Schlüsselrolle zu spielen.
1. Forschung, Entwurf und Entwicklung neuartiger Methoden zur kontinuierlichen Qualitätskontrolle, Überwachung und Rückverfolgbarkeit von Radiomics-Modellen.
2. Untersuchen und entwickeln Sie Bewertungsverfahren für Radiomics-basierte Modelle zur Vorhersage der NAC-Reaktion bei Brustkrebs.
3. Untersuchen Sie mögliche Verwertungswege und Nachhaltigkeitspläne, um die Wirkung über das Projekt hinaus zu maximieren.
Durch die Einführung eines standardisierten und umfassenden Rahmens zur Bewertung von Radiomics-KI und die Entwicklung eines Rückverfolgbarkeitstools für eine transparente Überwachung hoffen wir, Vertrauen in den Einsatz dieser Technologie im klinischen Umfeld zu schaffen. Darüber hinaus werden wir die umfassenderen Auswirkungen der Implementierung von Radiomics-KI untersuchen, darunter Kosten-Nutzen-Analysen, ethische Überlegungen und regulatorische Auswirkungen.
Dies ist eine gemeinsame Anstrengung, die darauf abzielt, Behandlungsmöglichkeiten zu verbessern und die nächste Generation medizinischer Durchbrüche zu ermöglichen. Unsere Partnerschaft, bei der wir Lösungen der künstlichen Intelligenz in großen Patientendatensätzen nutzen, birgt das Potenzial, Diagnose und Patientenergebnisse zu revolutionieren und die Grenzen des wissenschaftlichen Fortschritts zu erweitern.
Diese Arbeit wurde im Rahmen der Finanzhilfevereinbarung Nr. 101057699 (RadioVal-Projekt) aus dem Forschungs- und Innovationsprogramm Horizont Europa der Europäischen Union gefördert.
Die geäußerten Ansichten und Meinungen sind jedoch ausschließlich die des Autors bzw. der Autoren und spiegeln nicht notwendigerweise die Ansichten der Europäischen Union wider. Weder die Europäische Union noch die Bewilligungsbehörde können für sie verantwortlich gemacht werden.
[1]. Herrero Vicent C, et al (2022) Maschinelle Lernmodelle und multiparametrische Magnetresonanztomographie zur Vorhersage der pathologischen Reaktion auf neoadjuvante Chemotherapie bei Brustkrebs. Cancers (Basel). 19. Juli;14(14):3508.
[2]. Europäisches Krebsinformationssystem (Oktober 2020). Brustkrebsbelastung in der EU-27. https://ecis.jrc.ec.europa.eu
[3]. Sidaway, P., 2020. Neoadjuvante Therapie verbessert pCR-Rate. Nature Reviews Clinical Oncology, 17(12), S. 718-718.
[4]. www.future-ai.eu.
