Ein neues Tool für künstliche Intelligenz (KI), das von einem Team an der Universität von Toronto entwickelt wurde, könnte in der Lage sein, den Zeitaufwand für die Erstellung von Strahlentherapie-Behandlungsprogrammen für Krebspatienten erheblich zu verkürzen.
Um die von der KI erstellten relevanten Behandlungsprogramme zu überprüfen, untersuchten die Forscher 217 Patienten mit Kopf- und Halskrebs, deren Strahlentherapiepläne nach traditionellen Methoden entwickelt wurden. Die Pläne waren ähnlich.
"Es gibt andere KI-Optimierungs-Engines, die entwickelt wurden, aber das Konzept hinter uns ist, dass es die aktuellen medizinischen Best Practices besser imitiert ", erklärt Aaron Babier, der Hauptautor der Forschung der technischen Abteilung der Universität von Toronto.
Derzeit kann die Entwicklung von Strahlentherapieplänen für den Tumor jedes einzelnen Patienten Tage dauern, was für die Patienten wertvolle Zeit ist, da der Krebs häufig weiter wächst und sich weiterentwickelt, aber auch für Ärzte, die einige Zeit damit verbringen, diese komplizierten Behandlungsstrategien zu entwickeln.
Kopf- und Halskrebs ist bekanntermaßen schwer zu entwickeln, da Tumore von Patient zu Patient erheblich unterschiedlich sein können. Die Forscher erwarten, dass das Instrument, da es bei dieser kniffligen, komplexen Krebsart so gut funktioniert, die Fähigkeit haben sollte, häufiger auftretende Tumortypen zu behandeln, die weniger Variationen aufweisen, wie z. B. Prostatakrebs.
Babier ist in diesem Fall sehr besorgt darüber, dass KI kein Ersatz für Angehörige der Gesundheitsberufe sein soll, sondern ihnen Zeit sparen kann, indem sie einige wichtige Vorarbeiten leisten. Sobald das Programm ein Behandlungsprogramm erstellt hat, wird es dennoch von einem Strahlenphysiker überprüft und zusätzlich geändert, was einige Stunden länger dauert.
Es ist bekannt, dass KI eine wichtige Rolle in der Zukunft der Krebsdiagnose, -überwachung und -therapie spielt. Einige Angehörige der Gesundheitsberufe äußerten jedoch Bedenken hinsichtlich der Ethik des Einsatzes von Werkzeugen für maschinelles Lernen, um klinische Entscheidungen zu treffen. Ein solches Anliegen, das Anfang dieses Jahres in einem Artikel im New England Journal of Medicine von Forschern und Ärzten in Stanford veröffentlicht wurde, lautete:
"Ärzte müssen zufriedenstellend verstehen, wie Berechnungen erstellt werden, die Herkunft der Informationen, die zur Erstellung der statistischen Modelle zur Vorhersage der Ergebnisse verwendet wurden, ernsthaft bewerten, die Funktionsweise der Modelle verstehen und verhindern, dass sie übermäßig von diesen abhängig werden."
Hierin liegt ein ziemlich häufiges Problem mit neuen technologischen Entwicklungen in der Medizin heutzutage - der Forderung nach MDs, ein spezielles Verständnis der brandneuen Diagnosemethoden zu erlangen, damit sie vollständig verstehen können, wie sehr sie sich auf sie verlassen können, um ihre Entscheidungen über Patienten zu beeinflussen. Eine ähnliche Diskussion wird für immer wieder kontroverse flüssige Biopsien gegen Krebs geführt.
Trotz all dieser Probleme sind Investitionen in KI von Menschen aus der Gesundheitsbranche an der Tagesordnung, und große Unternehmen wie Microsoft und IBM verwenden sie derzeit für verschiedene Programme. Viele Firmen scheinen AI als eine mögliche Lösung zu sehen, um das langwierige und obszön kostspielige Verfahren zur Wirkstoffentdeckung zu rationalisieren. Das in Toronto ansässige Biotech-Unternehmen BenchSci hat bis heute 28 Pharmaunternehmen und 97 Startups gezählt, die derzeit AI für ihre Arzneimittelentdeckungsprozesse verwenden.
Im Falle der Verwendung von KI zur Unterstützung des Strahlentherapie-Behandlungsdesigns ist Babier der Ansicht, dass sein spezifisches Instrument eher eine Erweiterung dessen ist, was den Mitarbeitern des Gesundheitswesens derzeit zur Verfügung steht, als eine Revolution.
"Es ist im Grunde ein ziemlich einfaches Plugin, um zu helfen, was derzeit in einer klinischen Umgebung vorhanden ist, aber intelligentere Parameter als derzeit verfügbar zu verwenden", sagte Babier.
Das Team der University of Toronto ist nicht das einzige, das an der Optimierung der Strahlenbehandlung mit KI arbeitet.
