Brustkrebsdiagnosen werden anhand histologischer und bildgebender Befunde erstellt.
Durch Korrelation beider Ergebnisse lassen sich Probenfehler der Biopsie erkennen
und Verzögerungen bei der Diagnose vermeiden. Wissenschaftler um E.S. Burnside, Kalifornien/USA,
entwickelten dazu ein auf dem Bayes’schen Theorem basierendes Expertensystem (Am J Roentgenol 2004; 182: 481-488).
Es handelt sich um ein Computermodell, das BI-RADS-Deskriptoren ("Breast Imaging Reporting
and Data System") mit Erkrankungen der Brust verknüpft. Die Deskriptoren entsprechen
den verschiedenen möglichen Befunden der Mammographie, zum Beispiel ovale Form, Entkalkung
usw. Darauf bezogen ermittelt das Expertensystem mithilfe des Bayes’schen Theorems
die Wahrscheinlichkeit für eine spezifische Erkrankung der Brust sowie die Gesamtwahrscheinlichkeit
für eine Malignität.
Die histologischen Resultate von 92 konsekutiven Brust-Biopsien wurden mit den Mammographiebefunden
verglichen und hinsichtlich ihrer Übereinstimmung bewertet. Zuerst wählten die Radiologen
in Unkenntnis der Biopsie-Ergebnisse die BI-RADS-Deskriptoren der Mammographiebefunde
aus. Dann bewerteten sie die Übereinstimmung zwischen den pathologischen und mammographischen
Befunden. Schließlich wurden diese Informationen in das Expertensystem eingegeben
und eine automatisierte mammographisch-histologische Korrelation errechnet.
Expertensystem erkennt Probenfehler
Bei einer der 92 Biopsien (23 maligne, 63 benigne, 6 benigne mit einer hohen Tendenz
zur Malignität) wurde eine falsche Diagnose gestellt (1,1%). Ein als benigne diagnostizierter
Befund stellte sich in Wirklichkeit als malignes Ergebnis heraus (1 von 23 nicht erkannt,
4,3%). Dieser eine Biopsiefehler (Probenfehler) wurde vom Expertensystem erkannt,
während er die Ärzte zu einem falschen Ergebnis führte. Das Expertensystem ist also
in der Lage, pathologische Diagnosen und mammographische Befunde zu integrieren und
Wahrscheinlichkeiten der Stichproben-Fehler zu ermitteln. Dadurch war es möglich,
die inkorrekten pathologischen Diagnosen mit einer Sensitivität von 100% zu identifizieren,
während die Spezifität 91% betrug.
Das Expertensystem kann Radiologen helfen, Biopsie-Ergebnisse der Brust, die von den
Mammographiebefunden abweichen, zu identifizieren. Darüber hinaus entdeckt das System
falsche Befunde in der Biopsie.
