Subscribe to RSS
DOI: 10.1055/s-0038-1641379
Ein klinisch anwendbares Neuronales Netzwerk zur Klassifikation suspekter Läsionen in der Mamma-MRT
Publication History
Publication Date:
17 April 2018 (online)
Zielsetzung:
Bisherige Machine Learning Algorithmen zur Klassifikation suspekter Läsionen in der Mamma MRT beruhen meist auf subjektiven Parametern wie Randunschärfe und sind klinisch kaum anwendbar, da ihre Eingabemasken nicht öffentlich verfügbar sind. Ziel dieser Studie war die Entwicklung eines Neuronalen Netzwerks (NN) zur Klassifikation suspekter in der Mamma-MRT detektierter Läsionen, das auf rein objektiven Parametern beruht und klinisch anwendbar ist.
Material und Methoden:
Eingang in die Studie fanden 176 suspekte Läsionen, die in Mamma MRT zwischen 12/2013 und 06/2017 mit BI-RADS 4 oder 5 befundet wurden. Hiervon wurden 138 zufällig gewählte Läsionen zum Training eines NN verwendet. Ziel war die möglichst exakte Klassifikation in benigne/maligne unter Verwendung der Parameter Läsionsdurchmesser, Diffusionsrestriktion, T2w-fs Signalintensität, Patientenalter, DCE Kurventyp und –washout und Zahl suspekter Läsionen in der ipsilateralen Brust. Als Goldstandard diente die Histopathologie. Mittels ROC-Analysen wurde das prädiktive Potential obiger Einzelparameter bestimmt und durch McNemar Tests mit dem des NN verglichen. Die verbliebenen 38 Läsionen dienten als Testset zur Ermittlung der Genauigkeit des NN in der Vorhersage unbekannter Daten.
Ergebnisse:
Das NN erzielte in Training und Validierung eine Sensitivität von 90,1% (95% Konfidenzintervall: 87,8 – 92,4%) und Spezifität von 82,6% (78,8 – 86,4%) und schnitt damit signifikant besser im Vergleich zu allen Einzelparametern ab (p < 0,0001). Die diagnostische Genauigkeit für die Klassifikation der dem NN unbekannten Läsionen des Testsets lag innerhalb der 95%-Konfidenzintervalle (Sensitivität 92,0%; Spezifität 84,6%). Das finale NN wurden als frei zugängliches Webformular zur Verfügung gestellt (www.bit.do/BreastMRI).
Schlussfolgerungen:
Vorliegende Studie präsentiert ein im klinischen Alltag per Webformular leicht anwendbares NN zur Läsionsklassifikation, das bei hoher diagnostischer Genauigkeit eine auf rein objektiv bestimmbaren Parametern basierende Auswertung ermöglicht.