KI-gesteuerte Mammographie reduziert die Arbeitsbelastung um 33 % und erhöht die Erkennung von Brustkrebs

In einer kürzlich in der Fachzeitschrift Radiology veröffentlichten Studie führten Forscher aus Dänemark und den Niederlanden eine retrospektive Analyse der Screening-Effektivität und der Gesamtbelastung durch das Mammographie-Screening vor und nach der Einführung von Systemen künstlicher Intelligenz (KI) durch.

Regelmäßige Mammographie-Screenings auf Brustkrebs senken die Sterblichkeitsrate deutlich. Allerdings erhöhen Massen-Mammographie-Screenings die Arbeitsbelastung der Radiologen, die viele Mammogramme analysieren müssen, von denen die meisten keine verdächtigen Läsionen aufweisen.

Darüber hinaus erhöht das Doppelscreening, das zur Reduzierung falsch positiver Ergebnisse und zur Verbesserung der Erkennung eingesetzt wird, die Arbeitsbelastung der Radiologen zusätzlich. Der Mangel an spezialisierten Radiologen, die Mammogramme auswerten können, verschärft diese Situation zusätzlich.

Jüngste Studien haben den Einsatz von KI zur effizienten Analyse radiologischer Berichte unter Einhaltung hoher Screening-Standards umfassend untersucht. Ein kombinierter Ansatz, bei dem KI Radiologen dabei unterstützt, Mammogramme mit markierten Läsionen hervorzuheben, soll deren Arbeitsbelastung reduzieren und gleichzeitig die Screening-Sensitivität gewährleisten.

Die vorliegende Studie verwendete vorläufige Leistungsmessungen von zwei Kohorten von Frauen, die sich im Rahmen des dänischen nationalen Brustkrebs-Screening-Programms einem Mammographie-Screening unterzogen, um die Veränderung der Screening-Belastung und -Leistung nach der Einführung von KI-Tools zu vergleichen.

Im Rahmen des Programms wurden Frauen im Alter zwischen 50 und 69 Jahren eingeladen, sich bis zum Alter von 79 Jahren alle zwei Jahre untersuchen zu lassen. Frauen mit Markern, die auf ein erhöhtes Brustkrebsrisiko hinwiesen, wie etwa die BRCA-Gene, wurden nach unterschiedlichen Protokollen untersucht.

Die Forscher untersuchten zwei Kohorten von Frauen: eine vor und eine nach der Einführung des KI-Systems. Die Analyse umfasste nur Frauen unter 70 Jahren, um diejenigen aus einer Hochrisikogruppe auszuschließen.

Alle Teilnehmerinnen unterzogen sich standardisierten Protokollen mittels digitaler Mammographie mit kraniokaudalen und mediolateralen Schrägaufnahmen. Alle positiven Fälle in dieser Studie wurden durch Screening auf duktales Karzinom oder invasiven Krebs identifiziert, die durch eine Nadelbiopsie bestätigt wurden. Daten zu Pathologieberichten, Läsionsgröße, Lymphknotenbefall und Diagnosen wurden ebenfalls aus einem nationalen Gesundheitsregister erhoben.

Das zur Analyse der Mammogramme eingesetzte KI-System wurde mithilfe von Deep-Learning-Modellen trainiert, um verdächtige Verkalkungen oder Knoten auf dem Mammogramm zu erkennen, hervorzuheben und zu bewerten. Anschließend klassifizierte die KI die Screenings auf einer Skala von 1 bis 10 und gab damit die Wahrscheinlichkeit für Brustkrebs an.

Ein Team überwiegend erfahrener Radiologen überprüfte die Mammogramme beider Kohorten. Vor dem Einsatz des KI-Systems wurde jedes Screening von zwei Radiologen überprüft. Eine klinische Untersuchung und eine Nadelbiopsie wurden Patientinnen nur dann empfohlen, wenn beide Radiologen das Screening für weiterführend hielten.

Nach der Implementierung des KI-Systems wurden Mammogramme mit einem Score von 5 oder weniger von einem leitenden Radiologen überprüft, da bekannt war, dass sie nur eine Auswertung erhalten würden. Mammogramme, die einer weiteren Untersuchung bedurften, wurden mit einem zweiten Radiologen besprochen.

Die Studie ergab, dass die Implementierung des KI-Systems den Arbeitsaufwand der Radiologen, die Mammogramme im Rahmen des Massenscreenings auf Brustkrebs analysieren, erheblich reduzierte und gleichzeitig die Wirksamkeit des Screenings verbesserte.

Die vor der Implementierung des KI-Systems untersuchte Kohorte umfasste über 60.000 Frauen, während die mit KI untersuchte Kohorte rund 58.000 Frauen umfasste. Das Screening mit KI führte zu einem Anstieg der Brustkrebsdiagnosen (0,70 % vor KI gegenüber 0,82 % mit KI) und reduzierte gleichzeitig die Anzahl falsch positiver Ergebnisse (2,39 % gegenüber 1,63 %).

KI-basiertes Screening wies einen höheren positiven Vorhersagewert auf, und der Anteil invasiver Krebserkrankungen war mit KI-basierten Methoden niedriger. Obwohl sich der Anteil lymphknotennegativer Krebserkrankungen nicht veränderte, zeigten andere Leistungskennzahlen, dass KI-basiertes Screening die Ergebnisse deutlich verbesserte. Auch die Lesebelastung reduzierte sich um 33,5 %.

Zusammenfassend wurde in der Studie die Wirksamkeit eines KI-basierten Screening-Systems bei der Reduzierung der Arbeitsbelastung von Radiologen und der Verbesserung der Screening-Raten bei der Mammographie-Analyse im Rahmen des Massenscreenings auf Brustkrebs in Dänemark bewertet.

Die Ergebnisse zeigten, dass das KI-basierte System die Arbeitsbelastung der Radiologen deutlich reduzierte und gleichzeitig die Screening-Raten verbesserte, was durch einen signifikanten Anstieg der Brustkrebsdiagnosen und eine signifikante Verringerung der falsch positiven Ergebnisse belegt wurde.