Exploring learning environments for label\-efficient cancer diagnosis

Krebs bleibt eine der gewaltigsten Herausforderungen der modernen Medizin, eine Krankheit, die unzählige Leben fordert und die globalen Gesundheitssysteme schwer belastet. Ein entscheidender Schritt im Kampf gegen den Krebs ist die Früherkennung, bei der Ärzte Gewebeproben unter einem Mikroskop untersuchen, um Tumore zu entdecken, bevor sie streuen. Dieser Prozess, bekannt als Histopathologie, beruht auf hochqualifizierten Experten, die zwischen gesundem Gewebe und bösartigen Wucherungen unterscheiden können. Diese manuelle Arbeit ist jedoch langsam und erschöpfend; ein einzelnes Präparat kann einen Spezialisten bis zu dreißig Minuten der Analyse kosten, und die Nachfrage nach einer solchen Expertise übersteigt oft das Angebot. Um die Versorgung zu beschleunigen, haben sich Wissenschaftler der Computer zugewandt und diese gelehrt, Krebsmuster in Bildern zu erkennen. Jahrelang benötigten diese Computersysteme riesige Bildbibliotheken, die von menschlichen Experten sorgfältig beschriftet worden waren, um zu lernen, wonach sie suchen mussten. Das Sammeln dieser beschrifteten Bilder ist eine schwierige, teure und zeitaufwendige Aufgabe, die einen Engpass schafft, der die Entwicklung und den Einsatz dieser Werkzeuge begrenzt.

Eine neue Studie von Forschern der Jamia Millia Islamia University und der Chinese University of Hong Kong untersucht einen Weg, diesen Engpass zu umgehen. Sie untersuchten, ob Computer lernen können, Krebs effektiv zu diagnostizieren, ohne dass jedes einzelne Bild von einem Menschen beschriftet werden muss. Das Team testete drei verschiedene Methoden, um diese Computersysteme zu lehren. Die erste Methode, bekannt als überwachtes Lernen (supervised learning), ist der traditionelle Ansatz, bei dem der Computer nur aus vollständig beschrifteten Bildern lernt. Die zweite Methode, das teilüberwachte Lernen (semi-supervised learning), erlaubt es dem Computer, aus einer kleinen Anzahl beschrifteter Bilder zu lernen und gleichzeitig einen viel größeren Pool an unbeschrifteten Bildern zu betrachten, um Muster zu finden. Die dritte Methode, das selbstüberwachte Lernen (self-supervised learning), versucht, den Computer ausschließlich mithilfe unbeschrifteter Bilder zu lehren, indem man ihn bittet, seine eigenen Regeln darüber zu entdecken, was ein Bild einem anderen ähnlich macht. Die Forscher wollten sehen, ob die zweite und dritte Methode die Leistung des traditionellen, vollständig beschrifteten Ansatzes erreichen könnten, insbesondere für drei häufige Krebsarten: Brust-, Lungen- und Nierenkrebs.

Um diese Ideen zu testen, sammelte das Forscherteam drei unterschiedliche Sätze medizinischer Bilder. Ein Satz enthielt fast 8.000 Bilder von Brustgewebe, ein anderer hatte über 16.000 Bilder von Lungengewebe und der dritte umfasste mehr als 7.000 Bilder von Nebengewebe. Diese Bilder stammten aus verschiedenen Quellen und hatten unterschiedliche Formate, um sicherzustellen, dass die Ergebnisse robust sind. Das Team erstellte daraufhin sieben verschiedene Trainingsszenarien. Im ersten Szenario verwendeten sie nur vollständig beschriftete Bilder. In den nächsten fünf Szenarien mischten sie beschriftete und unbeschriftete Bilder in variierenden Anteilen, beginnend bei hälftig bis hin zu einer Situation, in der nur zehn Prozent der Bilder beschriftet waren. Im letzten Szenario verwendeten sie ausschließlich unbeschriftete Bilder. Sie speisten diese unterschiedlichen Datensätze in drei leistungsstarke, bereits existierende Computermodelle ein, die darauf ausgelegt sind, Muster in Bildern zu erkennen. Diese Modelle wurden dann gebeten, jedes Bild als gutartig, also harmlos, oder bösartig, also krebsartig, zu klassifizieren.

Die Ergebnisse zeigten eine klare Hierarchie darin, wie gut die verschiedenen Lernmethoden funktionierten. Wie erwartet, lieferte die traditionelle Methode, die nur vollständig beschriftte Bilder verwendet, die genauesten Ergebnisse. Das teilüberwachte Verfahren jedoch, welches eine Mischung aus beschrifteten und unbeschrifteten Daten verwendete, kam dem bemerkenswert nahe. In vielen Fällen erreichten die Computermodelle, die mit nur einem kleinen Bruchteil an beschrifteten Daten trainiert wurden, fast die gleiche Leistung wie jene, die mit allen beschrifteten Daten trainiert wurden. Beispielsweise erreichte ein Modell, das bei der Diagnose von Nierenkrebs mit nur dreißig Prozent beschrifteten Bildern und siebzig Prozent unbeschrifteten Bildern trainiert wurde, eine Genauigkeit von fast 98 Prozent – ein Wert, der sehr ähnlich zu dem Modell ist, das mit allen beschrifteten Daten trainiert wurde. Selbst als die Menge der beschrifteten Daten auf nur zehn Prozent reduziert wurde, blieb die Leistung stark. Dies deutet darauf an, dass der Computer aus den unbeschrifteten Bildern wertvolle Lektionen lernen kann, indem er sie nutzt, um die allgemeine Struktur des Gewebes zu verstehen, bevor er sich auf die spezifischen Krebszeichen konzentriert.

Die dritte Methode, das selbstüberwachte Lernen, das sich vollständig auf unbeschriftete Bilder verließ, lieferte niedrigere Genauigkeitswerte als die beiden anderen Methoden. Obwohl es nicht die Leistung der vollständig beschrifteten oder der teilüberwachten Ansätze erreichte, konnte es dennoch Krebsmuster mit einem gewissen Erfolg identifizieren, was bewies, dass Computer auch ohne menschliche Anleitung nützliche Informationen extrahieren können. Unter den drei getesteten Computermodellen übertraf eines namens EfficientNetB0 die anderen über alle drei Krebsarten und alle Lernmethoden hinweg konsequent. Es erreichte die höchsten Genauigkeitsraten von fast 92 Prozent für Brustkrebs und über 98 Prozent für Nierenkrebs unter den besten Trainingsbedingungen.

Die Studie kommt zu dem Schluss, dass die strikte Anforderung nach massiven Mengen an beschrifteten Daten für eine effektive Krebsdiagnose nicht unbedingt notwendig ist. Die Forscher fanden heraus, dass das teilüberwachte Lernen eine hochgradig praktikable Alternative bietet, die es medizinischen Teams ermöglicht, leistungsstarke Diagnosewerkzeuge aufzubauen, selbst wenn sie nur über eine bescheidene Anzahl an beschrifteten Proben verfügen. Dies ist ein bedeutender Befund, da er die Eintrittsbarriere für die Entwicklung dieser Technologien senkt. Wenn ein Krankenhaus oder ein Forschungslabor über tausende unbeschriftete Bilder, aber nur einige hundert beschriftete besitzt, kann es dennoch einen Computer trainieren, um bei der Diagnose mit hoher Zuverlässigkeit zu assistieren. Die Arbeit legt nahe, dass die Zukunft der automatisierten Krebserkennung nicht allein von der mühsamen Aufgabe abhängt, jedes einzelne Bild zu beschriften, sondern vielmehr von intelligenten Methoden, die aus den riesigen Mengen an bereits vorhandenen unbeschrifteten Daten in medizinischen Archiven lernen können.