Künstliche Intelligenz in der GI-Onkologie

Shownotes

Selbstfahrende Autos, Autopiloten in Flugzeugen – Künstliche Intelligenz spielt schon in viele Bereichen unseres Lebens eine immer bedeutendere Rolle. Auch in die Medizin spielt die künstliche Intelligenz eine wichtige Rolle – sei es bei der Diagnostik von Melanomen oder auch von GI-Tumoren.

Professor Dirk Arnold, Direktor der Asklepios Klinik in Hamburg, ist zu Gast im virtuellen onkowissen.audio Studio und diskutiert mit Moderator Friedrich Overkamp wo KI in der Diagnostik und Therapie von gastrointestinalen Tumoren eingesetzt wird, welche Entwicklungen uns in Zukunft bevorstehen und welche Konsequenzen sich für Vorsorge, Diagnostik und Therapieplanung daraus ergeben.

Mehr Podcasts speziell für medizinische Fachkreise finden Sie bei onkowissen.audio: https://high5.onkowissen.de/owAUDIO

Da die Inhalte der meisten Podcastfolgen einem Fachkreisschutz unterliegt, bitten wir Sie sich einfach und kostenlos für einen onkowissen.de Account zu registrieren: https://high5.onkowissen.de/owRegister

Mehr Infos zum Thema der Episode:

Artikel über die Klassifikation von Hautkrebs mit deep neural networks Esteva A, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017 Feb 2;542(7639):115-118. doi: 10.1038/nature21056. Epub 2017 Jan 25. Erratum in: Nature. 2017 Jun 28;546(7660):686. PMID: 28117445; PMCID: PMC8382232. https://www.nature.com/articles/nature21056

Haenssle HA, et al. Man against machine reloaded: performance of a market-approved convolutional neural network in classifying a broad spectrum of skin lesions in comparison with 96 dermatologists working under less artificial conditions. Ann Oncol. 2020 Jan;31(1):137-143. doi: 10.1016/j.annonc.2019.10.013. PMID: 31912788. https://doi.org/10.1016/j.annonc.2019.10.013

Beispiel eines kommerziellen KI-basierten Assistenzsystem für die Dermatologie: https://www.fotofinder.de/technologie/kuenstliche-intelligenz

Künstliche Intelligenz bei GI Tumoren

Großerüschkamp, F. et al. 385O Automated detection of microsatellite status in early colon cancer (CC) using artificial intelligence (AI) integrated infrared (IR) imaging on unstained samples from the AIO ColoPredictPlus 2.0 (CPP) registry study. Annals of Oncology, Volume 32, S531 - S532. https://doi.org/10.1016/j.annonc.2021.08.907

Kather JN, et al. Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer. Nat Med. 2019 Jul;25(7):1054-1056. doi: 10.1038/s41591-019-0462-y. Epub 2019 Jun 3. PMID: 31160815; PMCID: PMC7423299. https://www.nature.com/articles/s41591-019-0462-y

Urban G, et al. Deep Learning Localizes and Identifies Polyps in Real Time With 96% Accuracy in Screening Colonoscopy. Gastroenterology. 2018 Oct;155(4):1069-1078.e8. doi: 10.1053/j.gastro.2018.06.037. Epub 2018 Jun 18. PMID: 29928897; PMCID: PMC6174102. https://doi.org/10.1053/j.gastro.2018.06.037

Artificial Intelligence in Medical Imaging

Langlotz CP, et al. A Roadmap for Foundational Research on Artificial Intelligence in Medical Imaging: From the 2018 NIH/RSNA/ACR/The Academy Workshop. Radiology. 2019 Jun;291(3):781-791. doi: 10.1148/radiol.2019190613. Epub 2019 Apr 16. PMID: 30990384; PMCID: PMC6542624. https://pubs.rsna.org/doi/10.1148/radiol.2019190613

Allen B Jr, et al. A Road Map for Translational Research on Artificial Intelligence in Medical Imaging: From the 2018 National Institutes of Health/RSNA/ACR/The Academy Workshop. J Am Coll Radiol. 2019 Sep;16(9 Pt A):1179-1189. doi: 10.1016/j.jacr.2019.04.014. Epub 2019 May 28. PMID: 31151893. https://doi.org/10.1016/j.jacr.2019.04.014

Meta-Analyse Deep learning vs health-care professionals

Liu X, et al. A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging: a systematic review and meta-analysis. Lancet Digit Health. 2019 Oct;1(6):e271-e297. doi: 10.1016/S2589-7500(19)30123-2. Epub 2019 Sep 25. Erratum in: Lancet Digit Health. 2019 Nov;1(7):e334. PMID: 33323251. https://doi.org/10.1016/S2589-7500(19)30123-2

Semalytix Software https://www.semalytix.com

Künstliche Intelligenz in der Brustkrebsvorsorge

McKinney SM, Sieniek M, Godbole V, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020 Jan;577(7788):89-94. DOI: 10.1038/s41586-019-1799-6. PMID: 31894144. https://www.nature.com/articles/s41586-019-1799-6

Ha R, et al. Convolutional Neural Network Using a Breast MRI Tumor Dataset Can Predict Oncotype Dx Recurrence Score. J Magn Reson Imaging. 2019 Feb;49(2):518-524. doi: 10.1002/jmri.26244. Epub 2018 Aug 21. PMID: 30129697; PMCID: PMC8139130. https://doi.org/10.1002/jmri.26244