REDMOD: Radiomics-KI erkennt Pankreaskrebs im CT im Median 16 Monate früher

Ein an der Mayo Clinic entwickeltes Radiomics-Modell hat 73 % der Pankreaskarzinome auf Abdomen-CT-Aufnahmen erkannt, die Radiologen als unauffällig befundet hatten. Zwischen dem KI-Alarm und der histopathologischen Diagnose lagen im Median 475 Tage, rund 16 Monate. Laut der in Gut erschienenen Studie von Mukherjee und Kollegen erfasste das Modell mit dem Namen REDMOD (Radiomics-based Early Detection MODel) fast doppelt so viele Fälle wie erfahrene Befunder. Das Ergebnis ist retrospektiv, und als Screening-Werkzeug taugt das Modell noch nicht. Hauptgrund ist seine Falsch-positiv-Rate; die Studie weist zugleich auf einen engeren Weg in die klinische Anwendung hin.

01Was das Modell misst

REDMOD sucht nicht nach einer Raumforderung. Es analysiert Routine-CT des Abdomens auf feine Veränderungen der Gewebetextur im Pankreas, die frühe biologische Effekte der Erkrankung widerspiegeln könnten. Radiomics wandelt Bildvoxel in quantitative Deskriptoren für Intensität, Form und Textur um. Manche dieser Deskriptoren variieren auf eine Weise, die ein menschlicher Befunder nicht wahrnehmen kann.

Die Pipeline besteht laut der Zusammenfassung der ASCO Post aus drei Stufen:

• Segmentierung. Eine Deep-Learning-Segmentierung des Pankreas speist einen Schritt zur Extraktion radiomischer Merkmale, der pro Aufnahme 968 quantitative Merkmale liefert. Die automatische Konturierung ist wichtig, weil, wie die Mitteilung der BMJ Group festhält, das manuelle Nachzeichnen durch Fachärzte Inkonsistenzen zwischen den Befundern verursacht. Ohne sie lässt sich das Werkzeug zudem leichter auf Routineaufnahmen anwenden.
• Merkmalsauswahl. Eine Minimum-Redundancy-Maximum-Relevance-Auswahl reduziert die 968 Merkmale auf 40.
• Klassifikation. Die 40 Merkmale gehen in ein heterogenes Ensemble ein, das logistische Regression und Gradient Boosting kombiniert.

Die ausgewählten Merkmale deuten auf einen Mechanismus hin. Rund 90 % stammten aus multiskaligen, wavelet-gefilterten Bildern, die ungefilterte Daten übertrafen (AUC 0,82 vs. 0,74; P = 0,007). Die Wavelet-Filterung trennt Bildstrukturen nach räumlicher Skala. Das legt nahe, dass das Signal in einer feinkörnigen Heterogenität des Parenchyms steckt und nicht in etwas, das ein Befunder direkt sehen könnte. Dies ist ein Rückschluss aus der Verteilung der Merkmale. Was im Gewebe tatsächlich passiert, zeigt er nicht. Die Autoren beschreiben das Modell als mechanistisch begründet, doch die Biologie hinter der Texturveränderung ist durch diese Arbeit nicht geklärt.

02Training und Validierung an Aufnahmen vor der Diagnose

Das Ungewöhnliche ist der Datensatz. Er umfasst 1.462 CT-Aufnahmen: 219 prädiagnostische Aufnahmen von Patienten, bei denen später ein duktales Adenokarzinom des Pankreas (PDAC) diagnostiziert wurde, und 1.243 Kontrollen mit mindestens drei Jahren Nachbeobachtung ohne Krebs. Jede Fallaufnahme war zum Zeitpunkt der Erstellung als unauffällig befundet worden. Laut Mitteilung der BMJ Group wurden die Kontrollen nach Alter, Geschlecht und Aufnahmedatum gematcht.

Die Vorlaufzeiten variierten. Wie die Mitteilung angibt, wurden 87 Patienten (40 %) 3 bis 12 Monate vor der Diagnose gescannt, 76 (35 %) 12 bis 24 Monate davor und 56 (25 %) mehr als 24 Monate davor. Rund 64 % der Tumoren lagen im Pankreaskopf.

Die Aufteilung sah so aus:

Diese Zahlen stammen aus dem Bericht von Diagnostic Imaging über die Studie. Im Testdatensatz machten die Fälle etwa 13 % der Aufnahmen aus. Das ist eine weit höhere Prävalenz, als sie eine reale Screening-Population hätte.

Über die Aufteilung in Trainings- und Testdaten hinaus wurden zwei weitere Prüfungen durchgeführt:

• Externe Spezifität. Die Spezifität lag bei 81,3 % in einem multiinstitutionellen Datensatz mit 539 Patienten und bei 87,5 % in einem öffentlichen Datensatz mit 80 Patienten.
• Longitudinale Stabilität. Bei Folgeaufnahmen derselben Patienten lag die Konkordanz bei 90 bis 92 %. Die Autoren sehen darin einen Beleg für ein echtes biologisches Signal statt für Rauschen.

Ein Vorbehalt aus unabhängigen Kommentaren: Der zurückgehaltene Testdatensatz war zwar unabhängig, stammte aber aus derselben multiinstitutionellen Kohorte, die die Konzeption des Modells geprägt hat. Die externen Datensätze validierten nur die Spezifität. Die Sensitivität wurde nie an einer externen Kohorte prädiagnostischer Karzinome geprüft.

03Leistung im Vergleich zu Radiologen

Bei der medianen Vorlaufzeit ergab der unabhängige Test eine AUC von 82 %, eine Sensitivität von 73 % und eine Spezifität von 81,1 %. Als Vergleich dienten zwei Abdomen-Radiologen mit drei Jahren Erfahrung nach der Facharztausbildung. Sie erreichten auf denselben Aufnahmen eine Sensitivität von 38,9 %; die von REDMOD lag damit um 34,1 Prozentpunkte höher. Bei Aufnahmen, die mehr als 24 Monate vor der Diagnose entstanden, betrug die Sensitivität von REDMOD 68 %, die der Befunder 23 %.

Dieser Abstand ist plausibel. Wer nach einer Raumforderung, einem Gangabbruch oder einer Konturveränderung sucht, findet zwei Jahre vor der Diagnose wenig, während ein Texturmodell womöglich noch ein Signal erfasst.

Der Preis dafür liegt in der Spezifität. Radiologen stuften im Haupttestdatensatz 92,2 % der gesunden Patienten korrekt als unauffällig ein, REDMOD 81,1 %. Damit liegt die Falsch-positiv-Rate des Modells bei rund 18,9 % und damit etwa 2,4-mal so hoch wie die 7,8 % der Befunder.

Ein hypothetisches Beispiel zeigt, warum das ins Gewicht fällt. Angenommen, 1 von 100 gescannten Personen entwickelt später ein PDAC. Diese Zahl ist illustrativ und stammt nicht aus der Studie. Bei 73 % Sensitivität und 81,1 % Spezifität ergäben 1.000 Aufnahmen etwa 7 richtig positive und etwa 187 falsch positive Befunde. Weniger als 4 % der Alarme wären echte Karzinome. Der positive prädiktive Wert hängt stark von der Prävalenz ab, und der angereicherte Testdatensatz der Studie kann nicht zeigen, wie sich das Modell in einer unselektierten Population verhalten wird.

04Was zwischen REDMOD und dem klinischen Screening steht

Die Autoren und externe Kommentatoren nennen mehrere Grenzen.

1. Retrospektives Design. Retrospektive Daten können zeigen, dass in alten Aufnahmen ein Signal vorhanden war. Sie zeigen nicht, wie sich das Modell bei der Anwendung an realen Patienten in Echtzeit verhält. Auch die Vorlaufzeitverzerrung (Lead-Time-Bias) bleibt unberücksichtigt. Ein Karzinom 16 Monate früher zu entdecken, zählt nur dann, wenn die gewonnene Zeit den Verlauf verändert.
2. Diversität der Population. Der Studienpopulation fehlte es an ausreichender ethnischer Vielfalt, was die Leistung in anderen Gruppen beeinflussen könnte.
3. Zielpopulation. Die Mayo Clinic gibt an, eine prospektive Studie namens AI-PACED zu starten. Sie soll Früherkennung, Falschalarme und Verläufe bei Hochrisikopatienten über die Zeit verfolgen. Infrage kommen etwa Menschen mit neu aufgetretenem Diabetes. Ein neu aufgetretener Diabetes bei Personen ab 50 Jahren gilt als möglicher früher Hinweis auf ein PDAC. Ein Bevölkerungsscreening ist etwas anderes. Ein flächendeckendes Screening dürfte kaum wirksam sein, weil die Krebsart selten ist, und die US Preventive Services Task Force empfiehlt es nicht.
4. Regulatorischer Status. Das Modell ist Gegenstand der Forschung und weder für die klinische Anwendung noch für ein Bevölkerungsscreening zugelassen. Goenka hält es für möglich, dass es drei bis fünf Jahre dauern könnte, bis es die Öffentlichkeit erreicht. Das ist eine Schätzung, keine Zusage.

Ein positiver Alarm ist zudem ein Risikosignal und keine Diagnose. Was danach folgt, hängt von der Krankengeschichte ab. In Frage kommen eine erneute CT, eine endoskopische Ultraschalluntersuchung, eine Gewebeprobe oder eine fortgesetzte Überwachung. Der Arbeitsablauf für den Umgang mit einer markierten Aufnahme ist ebenso wichtig wie das Modell, und getestet hat ihn bisher niemand.

Der Einsatz erklärt das Interesse. Die Autoren verweisen auf Modellrechnungen, nach denen sich das Überleben mehr als verdoppeln würde, wenn der Anteil lokalisierter PDAC von 10 % auf 50 % stiege. REDMOD zeigt, dass in Aufnahmen, die unauffällig aussahen, ein berechenbares Signal existiert. Ob es Leben rettet, wenn man darauf reagiert, werden prospektive Daten beantworten, nicht die retrospektive Sensitivität.