Interpretable Concept-Bottleneck Vision-Language Model Predicts Pathologic Complete Response From Longitudinal Breast DCE-MRI

Im Kampf gegen Brustkrebs setzen Ärzte oft eine kraftvolle Strategie ein, die als neoadjuvante Therapie bezeichnet wird, bei der Patientinnen eine Behandlung vor der Operation erhalten, um Tumore zu verkleinern. Das ultimative Ziel ist eine pathologische Komplettremission, ein Zustand, in dem bei der Untersuchung des operativ entfernten Gewebes keine Krebszellen mehr nachweisbar sind. Dieses Ergebnis ist ein starkes Anzeichen dafür, dass eine Patientin länger leben und krebsfrei bleiben wird. Die Vorhersage, wer dieses Resultat erreichen wird, ist jedoch schwierig. Jahrelang haben Wissenschaftler versucht, künstliche Intelligenz einzusetzen, um MRT-Aufnahmen zu analysieren und diese Vorhersagen zu treffen, aber die meisten dieser Systeme agieren wie „Black Boxes“. Sie liefern eine Antwort, können aber nicht erklären, wie sie zu dieser Entscheidung gelangt sind. Da Ärzte die Logik hinter der Entscheidung der Maschine nicht nachvollziehen können, zögern sie oft, ihr zu vertrauen – insbesondere dann, wenn das Leben einer Patientin auf dem Spiel steht. Um in einem Krankenhaus nützlich zu sein, muss ein KI-Tool transparent sein und seinen Rechenweg auf eine Weise aufzeigen, die für einen menschlichen Experten überprüfbar ist.

Ein Forschungsteam hat eine neue Art der künstlichen Intelligenz entwickelt, die dieses Problem löst, indem sie die Maschine dazu zwingt, in Begriffen erkennbarer medizinischer Merkmale zu „denken“. Anstatt eine Aufnahme zu betrachten und sofort das Ergebnis zu erraten, identifiziert dieses System zuerst elf spezifische Merkmale des Tumors, wie etwa dessen Form, Größe und Erscheinungsbild im Scan. Diese Merkmale basieren auf medizinischen Standardbeschreibungen, die Radiologen jeden Tag verwenden. Das System nutzt diese identifizierten Merkmale zusammen mit dem Alter der Patientin und der spezifischen Krebsart, um einen schriftlichen Bericht zu erstellen. Dieser Bericht erklärt die Logik hinter der Vorhersage, ganz ähnlich wie ein Arzt, der eine Notiz an einen Kollegen schreibt. Die Forscher testeten dieses System mit Daten von Hunderten von Patientinnen und fanden heraus, dass es präzise vorhersagen konnte, wer gut auf die Behandlung ansprechen würde, während es gleichzeitig für jede einzelne Vorhersage eine klare, prüfbare Erklärung lieferte.

Die Studie konzentrierte sich auf Patientinnen aus zwei großen, multizentrischen klinischen Studien mit insgesamt 753 Personen, die dynamische kontrastverstärkte MRT-Untersuchungen erhalten hatten. Diese Art der Bildgebung beinhaltet die Aufnahme von Bildern der Brust vor und nach der Injektion eines Kontrastmittels, was Ärzten hilft, den Blutfluss durch den Tumor zu beobachten. Die Forscher trainierten ihr Modell mit Daten aus der I-SPY2-Studie und testeten es anschließend an einer völlig separaten Gruppe von Patientinnen aus der I-SPY1-Studie, um zu sehen, ob es mit unterschiedlichen Geräten und verschiedenen Scan-Protokollen funktioniert. Das Modell wurde so konzipiert, dass es zwei Bildsätze für jede Patientin betrachtet: einen, der vor Beginn der Behandlung aufgenommen wurde, und einen weiteren, der früh im Behandlungsprozess erstellt wurde, üblicherweise nach etwa drei Wochen. Durch den Vergleich dieser zwei Zeitpunkte konnte das System beobachten, wie sich der Tumor verändert.

Der Kern dieses neuen Ansatzes ist ein „Concept Bottleneck“ (Konzept-Engpass). Bevor das Modell eine endgültige Vorhersage darüber trifft, ob eine Patientin geheilt wird, muss es zuerst spezifische, messbare Konzepte identifizieren. Dazu gehören Dinge wie das funktionelle Tumorvolumen, ein Maß dafür, wie viel des Tumors aktiv wächst, sowie die Sphärizität, die beschreibt, wie rund oder unregelmäßig der Tumor geformt ist. Es prüft zudem, ob der Tumor als solide Masse oder als eher diffuser Bereich der Kontrastmittelanreicherung erscheint und ob er scharfe oder unscharfe Ränder aufweist. Das System sagt diese elf Konzepte mit einem hohen Grad an Genauigkeit voraus, die den Ergebnissen eines Computerprogramms entspricht, das speziell zur Messung dieser Werte entwickelt wurde. Sobald diese Merkmale identifiziert sind, werden sie in ein Sprachmodell eingespeist, das wie ein Radiologe fungiert. Dieses Sprachmodell liest die Liste der Merkmale und erstellt einen strukturierten Bericht, der erklärt, welche Faktoren die Vorhersage in Richtung einer Heilung treiben und welche Faktoren dagegen sprechen.

Als die Forscher ihr Modell testeten, schnitt es gut ab. Bei der Gruppe von Patientinnen, die für den Test verwendet wurde, unterschied das System mit einem Genauigkeitswert von 0,76 korrekt zwischen jenen, die eine Komplettremission erreichen würden, und jenen, die dies nicht tun würden. Beim Test an der völlig unabhängigen Gruppe aus der anderen Studie blieb die Genauigkeit mit 0,71 ebenfalls stark. Dies ist signifikant, da es zeigt, dass das Modell über verschiedene Krankenhäuser und mit unterschiedlichen MRT-Geräten hinweg funktionieren kann – eine häufige Hürde für medizinische KI. Die Studie ergab auch, dass der wichtigste Faktor für die Vorhersage einer Heilung die Veränderung des funktionellen Tumorvolumens war. Mit anderen Worten: Die Patientinnen, deren Tumore in den ersten Wochen der Behandlung am stärksten schrumpften, waren diejenigen, die am wahrscheinlichsten am Ende keinen Krebs mehr in sich trugen. Dieser Befund deckt sich mit dem, was Ärzte bereits wissen, aber das neue System bestätigte ihn, ohne explizit darauf programmiert worden zu sein, danach zu suchen.

Die Forscher fanden zudem heraus, dass die Konfidenz des Modells ein nützlicher Leitfaden war. Wenn das System sich seiner Vorhersage sehr sicher war, lag die Trefferquote bei 88 Prozent. Wenn die Vorhersage jedoch grenzwertig oder unsicher war, sank die Genauigkeit auf 58 Prozent. Dies deutet darauf hin, dass das Tool dazu genutzt werden könnte, die Zeit der Ärzte zu priorisieren. Wenn das Modell eine Patientin als eindeutige Responderin oder eindeutige Nicht-Responderin einstuft, kann der Arzt dieser Einschätzung vertrauen. Wenn das Modell unsicher ist, weiß der Arzt, dass er den Fall genauer untersuchen oder sich auf andere Methoden verlassen muss. Diese Fähigkeit, zu sagen: „Ich bin mir nicht sicher“, ist ein entscheidendes Merkament für medizinische Werkzeuge, da sie verhindert, dass das System gefährliche Vermutungen anstellt, wenn die Datenlage zweideutig ist.

Einer der interessantesten Aspekte war, wie das Modell mit verschiedenen Krebsarten und Behandlungen umging. Es funktionierte gut für die meisten Gruppen, hatte jedoch leichte Schwierigkeiten bei Patientinnen, die eine spezifische Art von Immuntherapie erhielten. In diesen Fällen entsprachen die üblichen Anzeichen einer Tumorverkleinerung im MRT nicht immer der tatsächlichen biologischen Reaktion. Das Modell identifizierte korrekt, dass die Standardmaße der Volumenänderung für diese Gruppe weniger zuverlässig waren, was die bekannten Einschränkungen bei der Messung des Behandlungserfolgs für immunbasierte Therapien verdeutlichte. Diese Nuance, die ein Black-Box-Modell möglicherweise übersehen oder ignoriert hätte, war in der Argumentation des Systems deutlich sichtbar, was zeigt, dass es der spezifischen Biologie der Erkrankung Beachtung schenkte.

Die Studie befasste sich auch mit der Frage des Vertrauens, indem sie den gesamten Prozess transparent gestaltete. Da die Argumentation des Modells auf medizinischen Standardkonzepten basiert, kann ein Radiologe denselben Scan betrachten und die Arbeit des Modells überprüfen. Er kann sehen, ob das System die Form oder die Wachstumsrate des Tumors korrekt identifiziert hat. Wenn das Modell einen Fehler macht, kann der Arzt genau sehen, welches Konzept falsch identifiziert wurde. Diese Detailtiefe ist etwas, das traditionelle Deep-Learning-Modelle nicht bieten können, da diese oft auf Mustern beruhen, die für das menschliche Auge unsichtbar sind. Durch die Verankerung der Vorhersage in Konzepten, die Ärzte verstehen, haben die Forscher ein Werkzeug geschaffen, das geprüft und verifiziert werden kann, anstatt es nur blind zu akzeptieren.

Trotz dieser Erfolge weisen die Forscher vorsichtig auf die Grenzen ihrer Arbeit hin. Das Modell wurde mit Daten aus spezifischen klinischen Studien trainiert, und obwohl es bei einem unabhängigen Datensatz gut funktionierte, wurde es noch nicht in einem realen Krankenhausalltag getestend, der mit der gesamten Variabilität des täglichen Praktikums einhergeht. Zudem basiert das System für einige seiner Messungen auf algorithmischen Definitionen, anstatt dass jedes einzelne Konzept von einem menschlichen Experten überprüft wird. Das bedeutet, dass das Modell zwar interpretierbar ist, die zugrunde liegende Wahrheit („Ground Truth“), auf der es trainiert wurde, jedoch eher die beste computergestützte Schätzung als ein endgültiges menschliches Urteil darstellt. Die Forscher weisen auch darauf hin, dass das Modell kurzfristige Ergebnisse vorhersagt, wie etwa, ob der Krebs zum Zeitpunkt der Operation verschwunden sein wird, aber noch nicht das langfristige Überleben oder das Risiko eines Rückfalls Jahre später prognostiziert.

Die Arbeit stellt einen Wandel in der Art und Weise dar, wie künstliche Intelligenz für die Medizin entwickelt wird. Anstatt zu versuchen, ein System zu erschaffen, das einfach nur am genauesten ist – ungeachtet der Frage, wie es funktioniert –, gaben die Forscher Klarheit und Rechenschaftspflicht Priorität. Sie zeigten, dass es möglich ist, ein System zu bauen, das sowohl präzise als auch verständlich ist. Indem sie die KI zwangen, die Sprache der Radiologie zu sprechen und ihre Schlussfolgerungen mit spezifischen, beobachtbaren Merkmalen zu begründen, haben sie eine Brücke zwischen der Leistungsfähigkeit des maschinellen Lernens und dem Urteilsvermögen menschlicher Kliniker geschlagen. Dieser Ansatz ersetzt nicht den Arzt; vielmehr gibt er dem Arzt eine neue Möglichkeit, die Daten zu betrachten – eine, die klar, logisch und offen für eine Inspektion ist. In einem Bereich, in dem der Einsatz extrem hoch ist, könnte diese Art der Transparenz der Schlüssel sein, um diese leistungsstarken Werkzeuge endlich in die klinische Praxis zu bringen.