Mithilfe kollektiver Intelligenz lassen sich deutliche Verbesserungen in der Brustkrebsdiagnose erzielen. Im Vergleich zu dem jeweils besten Arzt kann ein unabhängiges Ärzteteam sowohl die Anzahl der falsch positiven Befunde, als auch die Anzahl der falsch negativen Befunde senken.
„Bereits fünf unabhängige Einschätzungen von Ärzten genügen, um die Befundgenauigkeit bei der Brustkrebsdiagnose erheblich zu verbessern“, sagt Dr. Max Wolf. 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 Mammographie-Datensatz, 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. 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 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. Originalpublikation: Collective Intelligence Meets Medical Decision-Making: The Collective Outperforms the Best Radiologist Max Wolf et al.; PLOS ONE, doi: 10.1371/journal.pone.0134269; 2015