Brustkrebs ist der am häufigsten diagnostizierte Krebs bei Frauen, jährlich erkranken allein in Deutschland etwa 43.000 Frauen. Breit angelegte Mammographie-Screening-Programme haben zum Ziel, die Erkrankung frühzeitig zu erkennen. Doch auch wenn wie üblich zwei Ärzte die Röntgenaufnahmen beurteilen, führt das häufig zu falschen Entscheidungen. Eine neue Studie zeigt nun, dass sich mithilfe kollektiver Intelligenz deutliche Verbesserungen in der Brustkrebsdiagnose erzielen lassen.
„Bereits fünf unabhängige Einschätzungen von Ärzten genügen, um die Befundgenauigkeit bei der Brustkrebsdiagnose erheblich zu verbessern“, sagt Dr. Max Wolf vom Leibniz-Institut für Gewässerökologie und Binnenfischerei (IGB) in Berlin. Gemeinsam mit einem interdisziplinären Team untersuchte der Verhaltensbiologe, wie sich das Brustkrebs-Screening mit Methoden der kollektiven Intelligenz verbessern lässt. „In der Regel wird ein Mammogramm von zwei Ärzten untersucht“, erklärt er. „Wir wollten herausfinden, ob ein Ansatz, der die unabhängigen Einschätzungen von mehreren, sagen wir drei, fünf oder sogar zehn Ärzten berücksichtigt, deutlich bessere Ergebnisse erzielen kann.“
Für ihre Studie nutzten die Wissenschaftler einen der international umfangreichsten Mammographie-Datensätze, in dem über einhundert Radiologen unabhängig voneinander jeweils mehr als einhundert Mammogramme beurteilten. Neben diesen über 15.000 Beurteilungen berücksichtigten sie dabei auch den tatsächlichen Gesundheitsstatus der Patientinnen.
Kollektive Einschätzung verhindert falsche Befunde
Auf Grundlage dieser Daten konnten die Forscher zeigen, dass bereits fünf unabhängige Befunde zu einem Ergebnis führen, das selbst die Genauigkeit des besten Arztes deutlich übertrifft. Die einzelnen Einschätzungen der verschiedenen Ärzte werden hierfür mithilfe einfacher Schwarmintelligenz-Regeln wie der Mehrheitswahl oder der Quorumswahl integriert. Das Ergebnis: im Vergleich zu dem jeweils besten Arzt konnten auf diese Weise sowohl die Anzahl der falsch positiven Befunde (Krebsdiagnose, obwohl kein Krebs vorliegt), als auch die Anzahl der falsch negativen Befunde (Diagnose krebsfrei, obwohl Krebs vorliegt) gesenkt werden.
„Das Verfahren ist sehr einfach und ließe sich leicht automatisieren und in das Screening-Programm eingliedern“, sagt Max Wolf. Die medizinischen Gutachter würden dann unabhängig voneinander am Computer die digitalen Röntgenaufnahmen beurteilen. Anschließend könnte eine Software auf Basis dieser Einzeleinschätzungen den Befund ermitteln. „Unsere Ergebnisse zeigen damit, dass die Effektivität des Mammographie Screenings durch das Prinzip der kollektiven Intelligenz entscheidend verbessert werden könnte“, fasst der Wissenschaftler zusammen. Unbegrenzt viele Ärzte-Meinungen brauche es dafür nicht: Ab einer Anzahl von etwa acht unabhängigen Einschätzungen flache der zusätzliche Nutzen sogar deutlich ab. Wenn es um die Optimierung von Diagnoseverfahren in der Medizin geht, könnte das Prinzip der kollektiven Intelligenz demnach eine wertvolle Ergänzung zu rein technischen Verbesserungen sein.
Quelle:
Collective intelligence meets medical decision-making: the collective outperforms the best radiologist, PLOS ONE
http://dx.plos.org/10.1371/journal.pone.0134269
Ansprechpartner:
Dr. Max Wolf
Leibniz-Institut für Gewässerökologie und Binnenfischerei (IGB)
Müggelseedamm 310
Tel: +49 (0)176 56700641
mailto:m.wolfigb-berlin.de
Pressestelle IGB
Nadja Neumann/Angelina Tittmann
Leibniz-Institut für Gewässerökologie und Binnenfischerei (IGB)
Müggelseedamm 310
Tel: +49 (0)30 64181-795/-631
