Eine jüngst in Nature Medicine veröffentlichte Studie zeigt das Potenzial der Einbeziehung von künstlicher Intelligenz in den Prozess des offiziellen Deutschen Mammografie-Screening-Programms.

Mammografie-Screening-Programme tragen dazu bei, die Sterblichkeit im Zusammenhang mit Brustkrebs zu senken, doch es gibt Luft nach oben. Einerseits könnte die Sensitivität des Screenings besser sein, um die Krebsraten in den Intervallen zu verbessern. Andererseits könnte die Spezifität des Screenings erhöht werden, um falsch-positive Ergebnisse zu minimieren – die bei den betroffenen Frauen Angst und Unsicherheit auslösen können.

In vielen Programmen werden die Ergebnisse daher von zwei unabhängigen Radiologen interpretiert. Dieser Ansatz ist stark von individuellem Fachwissen abhängig und es herrscht Mangel an qualifizierten Radiologen. Ein Umstand, der durch die Empfehlung verschärft wird, das Mammografie-Screening auch auf die Altersgruppen 40/45–49 und 70–74 Jahre auszuweiten.

Retrospektive Studien hatten bereits gezeigt, dass Künstliche Intelligenz (KI) eine vergleichbare und manchmal sogar bessere Genauigkeit als Radiologen aufweist, indem sie die Erkennung subtiler Anomalien verbessert, die ansonsten dem menschlichen Auge entgehen könnten, und indem sie die Arbeitsbelastung beim Lesen verringert.

Die PRAIM-Studie (PRospective multicenter observational study of an integrated Artificial Intelligence system with live Monitoring) unter Federführung des Universitätsklinikums Schleswig-Holstein in Lübeck ist mit 500.000 Teilnehmerinnen aus ganz Deutschland das bisher größte KI-gestützte Radiologie-Projekt in diesem Bereich.

PRAIM ist eine multizentrische Beobachtungsstudie in der Praxis, die KI-gestützte Doppelbefundung mit der Standard-Doppelbefundung (ohne KI) bei Frauen (50–69 Jahre) vergleicht. Die Ergebnisse wurden Anfang Januar 2025 in Nature Medicine veröffentlicht (Link). Die Radiologen in der KI-gestützten Screening-Gruppe erreichten eine Brustkrebs-Erkennungsrate von 6,7 pro 1000, was 17,6 % über der Rate in der Kontrollgruppe lag (5,7 pro 1000). Der Unterschied war statistisch signifikant. Die Zahl der falsch positiven Ergebnisse war dabei in beiden Gruppen vergleichbar (37,4 pro 1000 in der KI-Gruppe vs. 38,3 pro 1000 in der Kontrollgruppe).

Im Vergleich zur Standard-Doppelbefundung war die KI-gestützte Doppelbefundung also mit einer höheren Brustkrebs-Erkennungsrate verbunden, ohne die Fehlerrate negativ zu beeinflussen. Die Radiologen brauchten 43 % weniger Zeit für die Interpretation von durch KI als unverdächtig markierten Untersuchungen und wendeten mehr Zeit für komplizierte Fälle auf.

Prof. Alexander Katalinic, Leiter des Instituts für Sozialmedizin und Epidemiologie am UKSH Schleswig-Holstein in Lübeck und Hauptautor der Studie, erklärte dazu: „Die Ergebnisse sind überaus positiv und haben unsere Erwartungen übertroffen. Wir können nun zeigen, dass KI die
Krebserkennungsrate bei Brustkrebsvorsorgeuntersuchungen deutlich verbessert.“

Text: Reinhard Merz
Bild: leonardo.ai für arztCME