Schlagwort-Archive: KI

Das „Paper of the Month“ 03/2024 geht an: Sarah Sandmann, Sarah Riepenhausen, Lucas Plagwitz und Julian Varghese vom Institut für Medizinische Informatik

Für den Monat März 2024 geht das „Paper of the Month“ der Medizinischen Fakultät der Universität Münster an PD Dr. Sarah Sandmann, Sarah Riepenhausen, Lucas Plagwitz und Univ.-Prof. Dr. Julian Varghese vom Institut für Medizinische Informatik für die Publikation: Systematic analysis of ChatGPT, Google search and Llama 2 for clinical decision. Nature Communications. 15(1).2024: 2050 [Volltext]

Die jüngsten Entwicklungen auf dem Gebiet der Large-Language-Models (LLM) haben die Wahrnehmung von Künstlicher Intelligenz in der Bevölkerung erheblich gesteigert, allen voran ChatGPT. Während die Anwendung im medizinischen Kontext verlockend erscheint, fehlt eine systematische Analyse der Modelle zur klinischen Entscheidungsunterstützung. Weiterhin ist die Performanz im Vergleich zu Open-Source-Modellen oder der üblichen Google-Suche unklar.

Eine systematische Analyse der Performanz von GPT-3.5, GPT-4 versus naive Google-Suche wurde für drei Aufgaben zur klinischen Entscheidungsunterstützung durchgeführt: Erstdiagnose, Untersuchung und Behandlung. In einer Substudie wurden zusätzlich zwei eigens konfigurierte Open-Source-LLM Llama 2 betrachtet. Die Analyse von 110 medizinischen Fällen unterschiedlichster Entitäten und Inzidenzen zeigte eine deutliche Leistungssteigerung von GPT-4 im Vergleich zu seinem Vorgänger GPT-3.5 sowie der Google-Suche. Unsere Substudie zeigte eine geringfügig schlechtere Leistung der beiden Llama-2-Modelle. Beim Stellen der Erstdiagnose wiesen alle Modelle die schlechtesten Ergebnisse auf. Insbesondere bei seltenen Erkrankungen konnte eine schlechtere Performanz beobachtet werden.

Die Ergebnisse zeigen das wachsende Potenzial von LLM bei medizinischen Fragestellungen. Ihre Schwächen unterstreichen jedoch den Bedarf an robusten und regulierten KI-Modellen in der Gesundheitsversorgung. Open-Source-LLM können eine Option sein, um Datenschutzanforderungen zu erfüllen und ein transparenteres Training zu ermöglichen.

Eine Liste aller bisherigen Gewinner der Paper of the Month-Auszeichnung finden Sie hier.

Foto: MFM/Christian Albiker

Das „Paper of the Month“ 02/2024 geht an: Jacqueline Kockwelp (CeRA), Jannis Bartsch, Christoph Schliemann und Linus Angenendt (Med A)

Für den Monat Februar 2024 geht das „Paper of the Month“ der Medizinischen Fakultät der Universität Münster an Jacqueline Kockwelp (Centrum für Reproduktionsmedizin und Andrologie), Jannis Bartsch, Christoph Schliemann und Linus Angenendt (Medizinische Klinik A) für die Publikation: Deep learning predicts therapy-relevant genetics in acute myeloid leukemia from Pappenheim-stained bone marrow smears. Blood Advances. 8(1).2024: 70-79. [Volltext].

Die richtige Therapiewahl für Patienten mit Akuter Myeloischer Leukämie hängt entscheidend von den zugrundeliegenden genetischen Veränderungen ab. Zwar ist für wenige relevante Genveränderungen bekannt, dass sich diese auch morphologisch äußern können, dennoch ist ein visuelles Erkennen dieser Veränderungen der Zellen oftmals nicht möglich, sodass die Wahl der Erstlinientherapien auf zeitaufwändigen und teuren genetischen Analysen basiert.

Es wurden zwei auf Machine-learning basiererende Pipelines entwickelt mit dem sehr hochaufgelösten Whole-Slide-Scan von Knochenmarkausstrichen vollautomatisiert verarbeitet und analysiert werden können. Mit der ersten Pipeline können einzelne Zellen identifiziert, extrahiert und klassifiziert werden. Die zweite Pipeline besteht aus mehreren Neuronalen Netzen, für deren Entwicklung die Daten von über 400 AML-Patienten verwendet wurden. Die zuvor extrahierten einzelnen Zellen können dann genutzt werden, um verschiedene therapierelevante genetische Mutationen wie im FLT3-Gen, welche nach heutigem Kenntnisstand nicht zu charakteristischen zytomorphologischen Veränderungen führen, vorherzusagen. Die Pipelines wurden anhand eines separaten Datensatzes von weiteren 70 Patienten validiert.

Das neue Verfahren, bei dem die Ergebnisse in kürzester Zeit vorliegen, ist eine Ergänzung zur genetischen Routinediagnostik, um Hämatologen und Onkologen bei der Wahl einer geeigneten Therapieform frühzeitig zu unterstützen, und stellt eine Grundlage für die Entwicklung zukünftiger Ansätze dar, die ebenfalls auf künstlicher Intelligenz basieren.

Eine Liste aller bisherigen Gewinner der Paper of the Month-Auszeichnung finden Sie hier.

Foto: MFM/Christian Albiker

„Paper of the Month“ April 2023 geht an Robert Seifert und Kambiz Rahbar aus der Klinik für Nuklearmedizin

Für den Monat April 2023 geht das „Paper of the Month“ der Medizinischen Fakultät der WWU Münster an Robert Seifert und Kambiz Rahbar aus der Klinik für Nuklearmedizin für die Publikation: A Prognostic Risk Score for Prostate Cancer Based on PSMA-PET-derived Organ-specific Tumor Volumes. Radiology 2023 Apr 18 [Volltext].

Die das prostataspezifische Membranantigen darstellende PSMA-PET/CT hat sich zum Referenzstandard der Bildgebung von Patienten mit Prostatakarzinom entwickelt. Sie ermöglicht die genaue Lokalisierung von Tumormanifestationen und Metastasen. Die Untersuchungen werden aktuell jedoch manuell ausgewertet und nur exemplarische Läsionen in der klinischen Routine genauer charakterisiert.

Durch einen KI-basierten Ansatz wurden zunächst alle Tumormanifestationen und Metastasen in den PSMA-PETs segmentiert. Das so bestimmte PSMA-PET-basierte Tumorvolumen ist ein hervorragender Parameter, um die Erkrankungsschwere quantitativ zu erfassen. Die Studie konnte darüber hinaus zeigen, dass die Bestimmung des Tumorvolumens pro Organsystem zu einer höheren Genauigkeit bei der Vorhersage der Überlebenswahrscheinlichkeit führt. Dies scheint darin begründet zu sein, dass der Ort der Metastase die Aggressivität der Krebserkrankung bestimmt. Mittels der PSMA-PET-basierten Parameter wurde ein Nomogramm entwickelt, das jeder Nuklearmediziner zur Bestimmung der Überlebenswahrscheinlichkeit verwenden kann.

Diese Arbeit konnte erstmals die Relevanz der Bestimmung des Tumorvolumens zur Vorhersage der Überlebenswahrscheinlichkeit von Patienten mit Prostatakarzinom an einer Kohorte von über 1.000 Patienten zeigen. Die Ergebnisse konnten an einer externen Validierungskohorte der Universitätsklinik Wien bestätigt werden.

Eine Liste aller bisherigen Gewinner der Paper of the Month-Auszeichnung finden Sie hier.

Foto: MFM/Christian Albiker