Artikel
Einsatz artifizieller neuronaler Netze (ANN) bei der Früherkennung von Prostatakarzinomen unter Berücksichtigung des PSA-Testsystems
Suche in Medline nach
Autoren
Veröffentlicht: | 6. September 2007 |
---|
Gliederung
Text
Einleitung: Nach wie vor steht die Messung der Konzentration des prostataspezifischen Antigens (PSA) im Mittelpunkt einer Früherkennung des Prostatakarzinoms (PCa). Da die Aussagekraft des PSA-Wertes im Bereich bis zu 10 ng/ml begrenzt ist, werden weitere Größen (Alter, prozentuales freies PSA=%fPSA, Prostatavolumen, Tastbefund) berücksichtigt. Seit mehreren Jahren wird in der klinischen Routine der Charité ein ANN-basiertes Rechenprogramm zur Einschätzung des PCa-Risikos genutzt. Im Rahmen der Umstellung auf ein neues Testsystem zur PSA-Bestimmung wurden die Überprüfung der Qualität des ANN und die Adaptation an die neuen Diagnosebedingungen erforderlich.
Material und Methoden: An einer Stichprobe von 596 Männern mit PSA-Konzentrationen im Bereich von 0,49–10 ng/ml (314 mit und 282 ohne PCa) wurden PSA und %fPSA mit Testsystemen der Firmen Abbott, Beckman, DPC und Roche, sowie PSA und komplexiertes PSA (cPSA) mit dem Testsystem der Fa. Bayer bestimmt. Das cPSA wurde in %fPSA-Werte transformiert. Für den Aufbau der ANN wurde die randomisierte Gesamtstichprobe in eine Trainings- (75%) und eine Teststichprobe (25%) mit gleichem Verhältnis von PCa- und Nicht-PCa-Patienten aufgeteilt. Mit den Parametern Alter, PSA, %fPSA, Prostatavolumen und Tastbefund wurde für jedes der PSA-Testsysteme ein ANN trainiert (Programmsystem MATLAB), dessen Qualität mit Hilfe der Teststichproben überprüft wurde.
Ergebnisse und Diskussion: Die prozentuale Abweichung der PSA-Werte vom Beckman-PSA-Wert=100% variierte zwischen 87% und 115%, obwohl sich die AUC der ROC-Kurven nicht signifikant unterschieden. Dieser Sachverhalt spiegelt sich auch bei den ANN wider: zwischen allen fünf AUC der ROC-Kurven (Variation von 0.89–0.91) und zwischen den Spezifitäten bei 95% Sensitivität (Variation von 53,9–58,4) ließ sich kein signifikanter Unterschied nachweisen, während die Ausgänge der ANN sehr unterschiedlich sind.
Schlussfolgerungen: Beim PSA-basierten Einsatz von ANN zur Bewertung des PCa-Risikos ist für jedes PSA-Testsystem ein eigenes ANN zu entwickeln. Seine Nutzung kann durch bedienerfreundliche Oberflächen unterstützt werden. Ein entsprechendes Rechenprogramm steht als Freeware zur Verfügung.
Literatur
- 1.
- Stephan C, Cammann H, Jung K. Artificial neural networks: has the time come for their use in prostate cancer patients? Nat Clin Pract Urol. 2005;2(6):262-3.
- 2.
- Stephan C, Xu C, Brown DA, Breit SN, Michael A, Nakamura T, Diamandis EP, Meyer H, Cammann H, Jung K. Three new serum markers for prostate cancer detection within a percent free PSA-based artificial neural network. Prostate. 2006;66(6):651-9.