Brustkrebs ist die häufigste bösartige Krebserkrankung bei Frauen weltweit, mit über 2 Millionen neuen Fällen pro Jahr. Daher ist eine genaue und rechtzeitige Diagnose von Brustkrebs entscheidend für Behandlungsentscheidungen und die Verbesserung der Überlebensraten von Patientinnen.
Ibex Medical Analytics, ein Pionier auf dem Gebiet der auf künstlicher Intelligenz (AI) basierenden Krebsdiagnostik, und das Institut Curie, Frankreichs führendes Krebszentrum, gaben heute eine Forschungspartnerschaft mit dem Ziel bekannt, die Diagnose von Brustkrebs mit KI zu verbessern.
Die Analyse von Brustgewebeproben durch einen Pathologen, bei der in der Regel eine grobe Untersuchung mit anschließender mikroskopischer Untersuchung von Gewebeschnitten aus Biopsien oder Operationspräparaten durchgeführt wird, ist nach wie vor die Standardmethode für die Diagnose und das Staging von Krebs.
In den letzten Jahren hat jedoch ein Anstieg der Krebsprävalenz in Verbindung mit einem Rückgang der Zahl der auf die Krebsdiagnose spezialisierten Pathologen zu einer größeren Arbeitsbelastung und relativ langen Wartezeiten auf Testergebnisse geführt.
Es liegt auf der Hand, dass ein wachsender Bedarf an automatisierten Lösungen und Entscheidungsunterstützungsinstrumenten besteht, die den Pathologen helfen können, Krebs schneller und mit höchster Genauigkeit zu diagnostizieren und gleichzeitig eine umfassende und erschwingliche Qualitätskontrolle zu ermöglichen.
Diese Forschungspartnerschaft, die erste ihrer Art, wird einen umfangreichen Datensatz von Brustbiopsie-Objektträgern umfassen, die mit einem digitalen Pathologie-Scanner digitalisiert und mit der Galen™ Brustlösung von Ibex für die Krebserkennung analysiert werden.
Unabhängig voneinander werden mehrere Pathologen des Institut Curie die Objektträger diagnostizieren, gefolgt von einer verblindeten Analyse der Leistung der KI-Lösung. Galen Breast, die erste KI-Lösung, die zur Erkennung von Brustkrebs in der Pathologie eingesetzt wird, wurde unter Verwendung modernster KI- und maschineller Lerntechniken entwickelt und an Hunderttausenden von Bildproben trainiert.
Die Lösung wird bereits am Pathologie-Institut von Maccabi Healthcare Services, Israels zweitgrößter HMO, eingesetzt.