KI erkennt ein Drittel der durch Screenings übersehenen Fälle von Intervall-Brustkrebs

Ein künstlicher Intelligenzalgorithmus für das Brustkrebs-Screening könnte die Leistung der digitalen Tomosynthese-Mammographie (DBT) verbessern und die Intervallkrebsrate um bis zu ein Drittel senken. Dies geht aus einer heute in der Fachzeitschrift Radiology veröffentlichten Studie hervor.

Intervall-Brustkrebs ist ein symptomatischer Tumor, der zwischen Routine-Screening-Mammographien diagnostiziert wird. Diese Fälle haben aufgrund der aggressiveren Erkrankung und des schnellen Tumorwachstums typischerweise eine schlechtere Prognose. Die DBT (3D-Mammographie) bietet eine bessere Visualisierung von Brustläsionen und kann Tumoren identifizieren, die möglicherweise durch dichtes Gewebe verborgen sind. Da es sich bei der DBT jedoch um eine relativ neue Technologie handelt, sind Langzeitdaten von Patientinnen in Einrichtungen, die diese Technik erst kürzlich eingeführt haben, noch begrenzt.

„Angesichts der spärlichen Daten zur Brustkrebsmortalität über 10 Jahre DBT-Screening hinaus werden Intervallkrebsraten oft als Näherungswert verwendet“, erklärt Studienautorin Dr. Manisha Bahl, Leiterin der Abteilung für Brustbildgebungsqualität am Massachusetts General Hospital und außerordentliche Professorin an der Harvard Medical School.
„Ein Rückgang dieser Rate deutet auf eine Abnahme der Brustkrebsinzidenz und -mortalität hin.“

Studie: KI identifiziert unentdeckte Tumore

In einer Studie mit 1.376 Fällen analysierten Bal und Kollegen retrospektiv 224 Intervallkarzinome bei 224 Frauen, die sich einem DBT-Screening unterzogen hatten. In diesen Bildern lokalisierte der KI-Algorithmus Lunit INSIGHT DBT v1.1.0.0 32,6 % (73 von 224) der zuvor unentdeckten Tumoren korrekt.

„Wir waren überrascht, dass fast ein Drittel der Intervalltumoren in Mammogrammen, die Radiologen zuvor als normal interpretiert hatten, vom KI-Algorithmus erkannt und genau lokalisiert wurden. Dies unterstreicht das Potenzial der KI als ‚zweiter Leser‘“, sagte Bahl.

Den Forschern zufolge handelt es sich möglicherweise um die erste veröffentlichte Studie, die sich speziell mit dem Einsatz von KI zur Erkennung von Intervallkarzinomen auf DBT-Bildern befasst.

„KI wurde bereits früher verwendet, um Intervallkarzinome auf herkömmlichen digitalen 2D-Mammogrammen zu erkennen, aber unseres Wissens gibt es in der Literatur keine veröffentlichten Studien zur KI-Erkennung von Intervalltumoren speziell auf 3D-Tomosynthese-Scans“, erklärte Bal.

Methodik: Auf Läsionsebene, nicht nur eine Momentaufnahme

Um die Sensibilität des Algorithmus nicht zu überschätzen, verwendete Bals Team eine läsionsspezifische Analyse: Nur wenn die KI den genauen Ort des Tumors korrekt identifizierte und lokalisierte, erhielt sie einen „gewerteten Treffer“.

„Im Gegensatz dazu kann die KI bei der Gesamtbildanalyse auch dann ein „Bestehen“ feststellen, wenn die Annotation falsch ist, was die Sensitivität künstlich erhöht“, fügt sie hinzu.
„Die Konzentration auf die Genauigkeit der Läsionslokalisierung ermöglicht eine zuverlässigere Beurteilung der klinischen Leistung des Algorithmus.“

Was genau findet KI?

• Die vom Algorithmus erkannten Tumore waren tendenziell größer
• Häufiger endeten sie mit Lymphknotenschäden
• Dies könnte dazu führen, dass KI vor allem aggressive oder schnell wachsende Tumore erkennt oder solche, die sich bereits in einem fortgeschrittenen Stadium befinden, von den Ärzten beim Screening jedoch übersehen wurden.

Gesamtergebnisse:

Unter 1.000 Patienten (darunter sowohl Patienten mit bestätigten Tumoren als auch Patienten mit gutartigen oder falsch-positiven Ergebnissen) zeigte AI:

• 84,4 % der 334 echten positiven Fälle wurden korrekt lokalisiert
• 85,9 % der 333 richtig negativen Antworten wurden richtig klassifiziert
• 73,2 % der 333 falsch positiven Fälle wurden als falsch abgelehnt

Schlussfolgerungen und Bedeutung

„Unsere Studie hat gezeigt, dass der KI-Algorithmus fast ein Drittel der Intervall-Brustkrebserkrankungen auf DBT-Screening-Bildern rückwirkend erkennen und genau lokalisieren konnte. Dies weist auf sein Potenzial hin, die Häufigkeit von Intervallkrebserkrankungen zu verringern und die Screening-Ergebnisse zu verbessern“, sagte Dr. Bahl.

„Unsere Ergebnisse unterstützen die Integration von KI in DBT-Workflows, um die Genauigkeit der Krebserkennung zu verbessern. Die tatsächlichen Auswirkungen werden jedoch davon abhängen, inwieweit Radiologen KI in der klinischen Praxis übernehmen und anpassen und ihre Wirksamkeit in verschiedenen klinischen Umgebungen testen.“