Wissenschaftler des Dana-Farber Cancer Institute und von Weill Cornell Medicine haben neue, auf die digitale Pathologie zugeschnittene Werkzeuge der künstlichen Intelligenz (KI) entwickelt und getestet – ein relativ neues Fachgebiet, in dem hochauflösende digitale Bilder, die aus Gewebeproben erstellt werden, zur Diagnose von Krankheiten und zur Information über Behandlungsentscheidungen verwendet werden.

Ihr Papier, veröffentlicht in The Lancet Digital Health am 9. Juli 2024, zeigt, dass chatgpt, ein KI-Sprachmodell, das zum Verstehen und Generieren von Text entwickelt wurde, mithilfe einer künstlichen Intelligenztechnik namens Retrieval-Augmented Generation angepasst werden kann, um genaue Antworten auf Fragen zur digitalen Pathologie zu liefern und detaillierte Ergebnisse zusammenzustellen. Die Autoren fanden auch heraus, dass ChatGPT Pathologen ohne umfassende Programmiererfahrung dabei helfen kann, komplexe Software zur Analyse von Gewebeproben zu verwenden, und so effektiv dazu beiträgt, die Lücke zwischen pathologischen und digitalen pathologischen Fähigkeiten zu schließen.

ChatGPT ist ein großes Sprachmodell (LLM), das heißt, es generiert Text zu einer Vielzahl von Themen unter Verwendung umfangreicher Datenmengen. „LLMs eignen sich gut für allgemeine Aufgaben, sind aber nicht die besten Werkzeuge, um nützliche Informationen für Spezialgebiete zu erhalten“, sagte der Hauptautor der Studie, Dr. Mohamed Omar, Assistenzprofessor für Forschung in Pathologie und Labormedizin und Mitglied der Abteilung für Computer- und Systempathologie bei Weill Cornell Medicine sowie leitender Wissenschaftler am Dana-Farber Cancer Institute.

Um KI-Tools zu erstellen, die die Effizienz und Präzision der digitalen Pathologie steigern könnten, leitete der korrespondierende Autor Renato Umeton, PhD, Direktor für künstliche Intelligenz und Datenwissenschaftsdienste, Abteilung Informatik und Analytik bei Dana-Farber, die Bemühungen, die ChatGPT-Funktionen für diesen speziellen Zweck anzupassen und zu erweitern.

Steigerung der KI-Genauigkeit für die Pathologie

„Allgemeine LLMs haben zwei große Probleme. Erstens liefern sie oft lange, allgemeine Antworten, die zwar korrekt sind, aber nicht genügend detaillierte Informationen enthalten“, sagte Omar. „Zweitens können diese Modelle halluzinieren und Dinge aus dem Nichts erfinden, einschließlich Literaturzitaten. Dies ist besonders schlimm in Spezialbereichen wie beispielsweise der digitalen Pathologie und der Krebsbiologie.“

Um die Störungen zu beheben, begann Umeton mit einer sicheren, privaten und geschützten ChatGPT-Variante, die bei Dana-Farber (GPT4DFCI). Sie erweiterten GPT4DFCI um den Zugang zu einer umfassenden und kuratierten Datenbank der neuesten Entwicklungen in der digitalen Pathologie, die aus 650 Veröffentlichungen ab 2022 besteht und sich auf über 10.000 Seiten Literatur summiert. „Wir konnten dieses neue System bitten, uns über viele spezifische Themen oder Techniken in der digitalen Pathologie auf dem Laufenden zu halten und in Sekundenschnelle Ergebnisse zu erhalten, mit einem Detaillierungsgrad, einer Tiefe und einer Zusammenfassung, die in aktuellen wissenschaftlichen Literaturtools oder Suchmaschinen nicht vorhanden ist. Dies hat die Fähigkeiten der Forscher effektiv erweitert“, bemerkte Umeton.

Sie verwendeten eine Technik namens Retrieval-Augmented Generation (RAG), die es GPT4DFCI ermöglichte, auf relevante Dokumente oder Informationen aus dieser spezialisierten Datenbank zuzugreifen und genaue Antworten auf Benutzereingaben zur digitalen Pathologie zu generieren, jedoch nichts außerhalb dieses Bereichs.

Omar und seine Kollegen stellten GPT4DFCI Fragen, die sich speziell auf die digitale Pathologie bezogen, und verglichen die Antworten mit denen von ChatGPT 4. Indem sie GPT4DFCI aufforderten, Links zu den spezifischen Veröffentlichungen bereitzustellen, die es zur Generierung der Antworten verwendete, stellten sie fest, dass die Antworten genau und fundiert waren. Das verfeinerte Modell lieferte präzisere und relevantere Antworten als ChatGPT 4 und halluzinierte nicht einmal – nicht ein einziges Mal. „Ich hoffe, dass dies ein Katalysator für weitere domänenspezifische Tools in anderen Bereichen der Medizin oder medizinischen Forschung sein wird“, sagte Omar.

KI hilft beim Programmieren

Das zweite KI-Programm, das das Team entwickelt hat, hilft Pathologen bei der Verwendung von PathML, einer speziellen Softwarebibliothek, die Kenntnisse in der Programmiersprache Python erfordert, um umfangreiche und komplexe pathologische Bilddatensätze zu analysieren. „Pathologen oder Wissenschaftler ohne Programmiererfahrung könnten PathML für Bildanalyseaufgaben als schwierig empfinden“, sagte Omar.

Die Forscher integrierten PathML in ChatGPT, sodass Benutzer über die Chatfunktion mit der PathML-Dokumentation interagieren können. Benutzer können einfach ihre Fragen zur Verwendung von PathML für die Analyse histopathologischer Bilder eingeben – beispielsweise von Multiplexbildern, Gewebe-Microarrays oder für quantitative Biomarker-Bewertungen – und das Tool liefert schrittweise, genaue Anweisungen zur Kodierung ihrer Analysen.

„Generative KI hat sich als nützlich erwiesen, um strukturierte Anleitungen zu geben, welches Material zu konsultieren ist und wie der Lernprozess für neue Themen organisiert werden kann“, sagte Umeton. „Unsere Forschung zeigt, dass ChatGPT und geschützte KI-Tools wie GPT4DFCI in Kombination mit den richtigen Techniken zur Informationsbeschaffung äußerst effektiv bei der Unterstützung von Grundlagenforschern sein können. Diese Tools sind sogar bei sehr komplexen Themen hilfreich, die äußerst präzise Antworten erfordern, wie etwa bei der digitalen Pathologie.“

Diese Arbeit wurde durch die Zuschüsse P50CA211024, P01CA265768 und U54CA273956 des National Cancer Institute unterstützt.

Diese Pressemitteilung wurde von einer Pressemitteilung von Weill Cornell Medicine adaptiert.