|
1000
|
Abstract/Summary
|
-
<jats:title>Zusammenfassung</jats:title><jats:sec>
<jats:title>Hintergrund</jats:title>
<jats:p>Dank Mammographie-Screening-Programmen (MSP) kann Brustkrebs erwiesenermaßen in früheren Stadien entdeckt werden, was weniger eingreifende Therapien erlaubt und zu einem besseren Überleben führt. Kritisch beurteilt werden die beträchtliche Zahl der Intervallkarzinome (IBC) und zusätzlich notwendige Abklärungen, bei denen sich in der Mehrzahl erweist, dass kein Karzinom vorliegt.</jats:p>
</jats:sec><jats:sec>
<jats:title>Fragestellung</jats:title>
<jats:p>In den letzten Jahren wurden von Firmen und Universitäten mittels maschinellem Lernen (ML) leistungsfähige Algorithmen entwickelt, welche erstaunliche Fähigkeiten zum Lesen von Mammographien zeigen. Können dadurch MSP qualitativ verbessert werden?</jats:p>
</jats:sec><jats:sec>
<jats:title>Methode</jats:title>
<jats:p>Mittels der Software ProFound AI® (iCAD, Nashua, NH, USA) wurden retrospektiv die ursprünglichen Screening-Mammographien von 251 Fällen mit Intervallkarzinom untersucht und die Resultate (Case-Score, Risk-Score) mit denen einer Kontrollgruppe verglichen. Darüber hinaus wurde die relevante aktuelle Literatur studiert.</jats:p>
</jats:sec><jats:sec>
<jats:title>Ergebnisse</jats:title>
<jats:p>Die Verteilung des Case-Score wie auch des Risk-Score der Mammographien mit späterem IBC war signifikant zu höherem Risiko verschoben im Vergleich zur Kontrolle, ähnlich wie in anderen Studien.</jats:p>
</jats:sec><jats:sec>
<jats:title>Schlussfolgerung</jats:title>
<jats:p>Retrospektive Studien, wie auch eigene Daten zeigen, dass möglicherweise künstliche Intelligenz (KI) in Zukunft das Vorgehen bei MSP ändern wird in Richtung personalisiertem Screening, mit deutlicher Entlastung der Radiologen, weniger Abklärungen und einer verminderten Anzahl von IBC. Für eine solche Umsetzung braucht es die Resultate prospektiver Studien.</jats:p>
</jats:sec>
|
|
1000
|
Hinweis
|
-
DeepGreen-ID: efd28f6369f8439aa685651564ea1ce5 ; metadata provieded by: DeepGreen (https://www.oa-deepgreen.de/api/v1/), LIVIVO search scope life sciences (http://z3950.zbmed.de:6210/livivo), Crossref Unified Resource API (https://api.crossref.org/swagger-ui/index.html), to.science.api (https://frl.publisso.de/), ZDB JSON-API (beta) (https://zeitschriftendatenbank.de/api/), lobid - Dateninfrastruktur für Bibliotheken (https://lobid.org/resources/search)
|
