Erschienen in:
11.03.2021 | Prostatakarzinom | Leitthema
Maschinelles Lernen und multiparametrische MRT in der Früherkennung des Prostatakarzinoms
verfasst von:
Prof. Dr. med. D. Bonekamp, Prof. Dr. med. Dipl.-Phys. H.-P. Schlemmer
Erschienen in:
Die Urologie
|
Ausgabe 5/2021
Einloggen, um Zugang zu erhalten
Zusammenfassung
Die Früherkennung des Prostatakarzinoms (PCa) erfolgt entsprechend den aktualisierten Leitlinien immer öfter unter Zuhilfenahme der Magnetresonanztomographie (MRT), durch die verdächtige Bereiche in der Prostata aufgezeigt und danach in einer Ultraschall-MRT-Fusionsbiopsie gezielt histologisch untersucht werden können. Während dadurch bereits deutliche Verbesserungen in der diagnostischen Sensitivität und damit der korrekten frühen Diagnose des signifikanten PCa (sPCa) erzielt wurden, ist es von zunehmendem Interesse, diejenigen Männer zu identifizieren, bei denen mit ausreichender Sicherheit durch die MRT ein sPCa ausgeschlossen und so auf die Biopsie verzichtet werden kann. Parallel zu der Weiterentwicklung des PI-RADS-Befundungssystems („prostate imaging – reporting and data system“) entwickelt sich die künstliche Intelligenz (KI). Inzwischen wurden Prototypen diagnostischer KI-Systeme entwickelt, die in retrospektiven Forschungsstudien vergleichbare diagnostische Sicherheit zur klinischen PI-RADS-Befundung aufweisen. Solche auf Deep Learning (DL) basierende Systeme bergen großes Potenzial für die Zukunft der Frühdiagnose des PCa und könnten ein Mittel sein, Engpässe in der Ausbildung von auf Prostata-MRT spezialisierten Radiologen zu überwinden. Denn die Prostata-MRT-Befundung ist eine herausfordernde Aufgabe, die eine hohe Expertise voraussetzt. Daher soll in diesem Artikel ein Überblick über maschinelles und DL und seine Anwendung in der multiparametrischen MRT zur Primärdiagnostik des sPCa gegeben werden.