Beyond geometric accuracy: Evaluation of an MRI-based autocontouring prototype for brain and prostate radiotherapy

Stellen Sie sich vor, Sie sind ein Meisterarchitekt, der einen Wolkenkratzer bauen will, aber statt Bauplänen arbeitet er mit einer nebligen, sich verändernden Karte. In der Welt der Krebsbehandlung, speziell der Strahlentherapie, sind die Ärzte die Architekten und der menschliche Körper ist die Baustelle. Ihre Aufgabe ist es, unglaublich präzise Linien um Tumore (die Teile, die zerstört werden sollen) und gesunde Organe (die Teile, die geschützt werden sollen) zu ziehen. Jahrzehntelang haben sie CT-Scans verwendet, die wie Schwarz-Weiß-Fotos sind, um Knochen und allgemeine Formen zu sehen. Doch vor kurzem ist ein neues Werkzeug namens MRT in das Spiel eingestiegen. Betrachten Sie das MRT als eine hochauflösende Farbkamera, die Weichteile – wie Muskeln, Nerven und Tumore – mit viel größerer Klarheit sieht. Dies ist ein Wendepunkt, da es den Ärzten hilft, den „Nebel“ besser zu erkennen.

Es gibt jedoch einen Haken. Diese Linien von Hand zu zeichnen ist langsam, mühsam und variiert von Arzt zu Arzt. Wenn ein Arzt müde ist, könnten seine Linien etwas anders sein als wenn er frisch ist, und in der Strahlentherapie kann selbst ein winziger Fehler bedeuten, dass man den Tumor verpasst oder ein gesundes Organ verletzt. Um dies zu beheben, bringen Wissenschaftler Computern bei, diese Linien automatisch zu zeichnen, mithilfe von Künstlicher Intelligenz (KI). Es ist, als würde man einen superschnellen Roboter-Assistenten einstellen, der einen Scan betrachten und sofort die Formen skizzieren kann. Aber bevor wir einem Roboter das Steuer überlassen, müssen wir fragen: Ist der Roboter tatsächlich gut in seinem Job oder zeichnet er nur selbstbewusst völligen Unsinn? Das ist die große Frage hinter der Geschichte, die wir gleich erzählen werden.

---

Die Testfahrt des Roboter-Malers

Ein Forscherteam des Universitätsspitals Zürich und Siemens Healthineers beschloss, einen neuen „Roboter-Maler“ auf die Probe zu stellen. Dies war kein fertiges Produkt, das man im Laden kaufen konnte; es war ein Prototyp, ein KI-Werkzeug in der Entwicklung, das darauf ausgelegt war, automatisch Konturen (die Umrisse) auf MRT-Scans für zwei sehr unterschiedliche Arten von Patienten zu zeichnen: solche mit Hirnmetastasen (Krebs, der in das Gehirn gestreut hat) und solche mit Prostatakrebs.

Die Forscher sammelten Daten von 57 Patienten – 27 mit Problemen im Gehirn und 30 mit Problemen in der Prostata. Sie ließen die KI einen Blick auf die MRT-Scans werfen und ihre eigenen Zeichnungen erstellen. Dann verglichen sie die Skizzen des Roboters mit dem „Goldstandard“: den Konturen, die erfahrene menschliche Ärzte bereits für eine tatsächliche Behandlung gezeichnet und genehmigt hatten. Sie verwendeten verschiedene Methoden, um zu messen, wie gut der Roboter abgeschnitten hatte.

Zuerst betrachteten sie den „Formenabgleich“. Sie verwendeten einen Score namens Dice Similarity Coefficient (DSC), der wie eine Note dafür ist, wie stark sich die Zeichnung des Roboters mit der Zeichnung des Menschen überschneidet. Ein Score von 1,0 wäre eine perfekte Übereinstimmung, während 0,0 bedeutet, dass sie sich überhaupt nicht berühren. Sie maßen auch die „Abweichung zur Übereinstimmung“, was im Grunde die Prüfung ist, wie viele Millimeter die Linie des Roboters von der Linie des Menschen entfernt war.

Doch die Forscher wussten, dass ein perfekter Formenabgleich nicht immer bedeutet, dass die Zeichnung nützlich ist. Daher fügten sie eine zweite Ebene der Prüfung hinzu: das menschliche Urteil. Zwei Radioonkologen betrachteten jede einzelne Zeichnung, die der Roboter erstellt hatte, und gaben ihr eine Punktzahl von 1 bis 4:

• 1: „Ab in den Müll, von vorne anfangen.“
• 2: „Reparierbar, aber braucht einen größeren Eingriff.“
• 3: „Gut genug, nur ein paar kleine Anpassungen nötig.“
• 4: „Perfekt, keine Änderungen nötig.“

Die Ergebnisse: Ein Gemisch aus Brillanz und Fehlgriffen

Der Roboter generierte eine gewaltige Menge von 988 verschiedenen Zeichnungen. Hier wird die Geschichte interessant, denn der Roboter war nicht in allem gleichermaßen gut.

Im Gehirn:
Der Roboter war überraschend gut darin, die Tumore zu finden. Er erkannte erfolgreich 81,5 % der vorhandenen Hirnmetastasen. Er hatte jedoch auch ein kleines Problem mit „Fehlalarmen“. Er behauptete in 20,9 % der Fälle, Tumore zu sehen, wo eigentlich gar keine waren. Stellen Sie sich einen Metalldetektor vor, der bei jeder Münze piept, aber auch bei jeder Getränkedose und jedem Flaschendeckel.

Was den tatsächlichen Verlauf der Zeichnungen betraf:

• Für die gesunden Organe (wie den Hirnstamm) erhielt der Roboter einen ordentlichen Form-Score (durchschnittlicher DSC von 0,58).
• Für die Tumore selbst war der Form-Score etwas besser (durchschnittlicher DSC von 0,66).
• Der „Abstand“ zwischen der Linie des Roboters und der Linie des Menschen lag meist unter 1 Millimeter bei den Tumoren, was sehr nah dran ist.

Die Ärzte gaben den Gehirn-Zeichnungen einen Medianwert von 3. Das bedeutet, dass der Roboter meistens eine großartige Ausgangslage lieferte, die nur noch ein wenig „Feinschliff“ durch einen Menschen benötigte. Der Roboter war ein Star beim Zeichnen großer, klarer Strukturen wie der Linse des Auges oder der Hornhaut (Score 4). Er hatte jedoch Schwierigkeiten mit winzigen, komplexen Dingen wie dem Cochlea (Innenohr) und der Glandula lacrimalis (Tränendrüse), die oft einen Score von 2 erhielten, was bedeutete, dass sie eine umfassende Überarbeitung benötigten.

In der Prostata:
Der Roboter schnitt hier beim Formenabgleich sogar noch besser ab, mit einem durchschnittlichen DSC von 0,73. Die Femurköpfe (die oberen Teile der Oberschenkelknochen) waren sein Lieblingsthema und erreichten einen Score von 0,87. Die Prostata selbst und die Samenblasen hingegen bereiteten ihm Probleme und schnitten am schlechtesten ab. Die Ärzte gaben auch hier einen Medianwert von 3 an, was bedeutet, dass sie nutzbar waren, aber Korrekturen benötigten.

Die wichtigste Lektion: Zahlen erzählen nicht die ganze Geschichte

Eine der wichtigsten Entdeckungen in dieser Arbeit ist, dass man nicht nur nach der Mathematik entscheiden kann, ob ein Roboter gut ist. Die Forscher fanden heraus, dass bei 10 von 19 getesteten Objekten ein niedrigerer mathematischer Wert (DSC) tatsächlich bedeutete, dass die Ärzte die Zeichnung schlecht fanden. Aber bei den anderen 9 entsprach die Mathematik nicht der Realität.

Zum Beispiel hatte die Zeichnung des Roboters des „Anus“ einen höheren mathematischen Wert als einige Zeichnungen, die die Ärzte als „nicht nutzbar“ bewerteten. Das ist ein wenig so, als würde ein Schüler bei einem Multiple-Choice-Test eine hohe Punktzahl erreichen, aber den Aufsatz durchfallen, weil er das Kernkonzept nicht verstanden hat. Der Roboter könnte zwar eine große Fläche überlappt haben (hoher mathematischer Wert), aber an einer entscheidenden Stelle die spezifische Grenze verpasst haben, die für die Behandlung wichtig ist, was die Zeichnung in der Praxis unbrauchbar macht.

Was dies für die Zukunft bedeutet

Die Arbeit kommt zu dem Schluss, dass dieser KI-Prototyp ein vielversprechender „Assistent“ ist, kein Ersatz. Er ist wie ein sehr schneller Praktikant, der die schwere Arbeit erledigen und die ersten Entwürfe zeichnen kann, was den Ärzten viel Zeit spart. Dennoch macht der Praktikant Fehler, besonders bei kleinen, komplexen oder schwierigen Strukturen.

Die Forscher sind sich einig: Man kann den Roboter nicht allein arbeiten lassen. Eine Expertenprüfung ist weiterhin unerlässlich. Wenn der Roboter einen Tumor übersieht (was er in einigen Fällen tat) oder eine Linie an der falschen Stelle zieht, muss ein menschlicher Arzt dies abfangen. Die Studie legt nahe, dass das Werkzeug zwar gut für große, klare Strukturen ist, aber mehr Training und Feinabstimmung benötigt, bevor es die kleinen, komplexen Details des menschlichen Körpers eigenständig bewältigen kann.

Kurz gesagt: Der Roboter-Maler ist talentiert und schnell, aber er braucht immer noch einen menschlichen Aufseher, der das endgültige Meisterwerk absegnet. Die Zukunft dieser Technologie liegt in der Kombination der Geschwindigkeit der KI mit dem scharfen Auge menschlicher Experten, um sicherzustellen, dass jede gezogene Linie sowohl präzise als auch sicher ist.