Brustkrebs zählt zu den häufigsten malignen Erkrankungen bei Frauen. Im Vereinigten Königreich wird etwa alle zehn Minuten eine Diagnose gestellt, jährlich werden rund 55.000 Neuerkrankungen registriert. Bevölkerungsweite Mammographie-Screeningprogramme sind entscheidend, um Brustkrebs früh zu erkennen und Behandlungsergebnisse zu verbessern.
Mit steigenden Fallzahlen wächst jedoch auch der organisatorische Druck auf Screeningprogramme. Vor diesem Hintergrund gewinnt die Frage an Bedeutung, ob technologische Ansätze wie künstliche Intelligenz (KI) diagnostische Prozesse unterstützen können. In diesem Kontext untersuchte eine multizentrische Forschungskooperation unter Beteiligung von Imperial College London, mehreren Universitäten sowie NHS-Screeningdiensten die diagnostische Leistung und praktische Integration eines KI-Systems zur Mammographie-Befundung. Die Ergebnisse wurden in der Fachzeitschrift 'Nature Cancer' publiziert.
Forschungsergebnisse von 175.000 Frauen ausgewertet – die bisher größte Studie des britischen Gesundheitsdienstes NHS
Im britischen Screeningprogramm werden Mammographien üblicherweise von zwei spezialisierten Befundern unabhängig beurteilt. Die Studie analysierte, wie sich dieses Vorgehen im Vergleich zu einem Workflow mit einem menschlichen Befunder und einem KI-System als Zweitbefunder auswirkt.
Die erste Studienphase war eine retrospektive Analyse von Mammographien aus einer Kohorte von 125.000 Frauen aus fünf Screeningdiensten im Alter zwischen 50 und 70 Jahren. Die abschließende Analyse umfasste 115.973 Brustkrebs-Screenings. Zur Sicherung des Referenzstandards erfolgte eine Nachbeobachtung über 39 Monate, sodass auch Intervallkarzinome und Tumoren der folgenden Screeningrunde berücksichtigt wurden.
Primärer Endpunkt war die Sensitivität und Spezifität des KI-Systems im Vergleich zum Erstbefunder, wobei eine Nichtunterlegenheitsmarge von fünf Prozentpunkten festgelegt wurde. Sekundäre Analysen umfassten unter anderem Vergleiche mit Zweit- oder Konsensusbefundern.
Im zweiten Teil der Studie wurden 9.266 aktuelle Fälle an zwei Screening-Standorten in London untersucht, um technische Integrationsaspekte und Leistungsparameter unter realen Bedingungen zu bewerten. Eine dritte Analyse prüfte den Einsatz von KI in Fällen, in denen es zu Uneinigkeit zwischen Befundern kommt.
Höhere Sensitivität und gesteigerte Detektionsrate im Screening
KI steigert Krebsdetektionsrate und erkennt Intervallkarzinome
Beim Einsatz als Zweitbefunder erreichte das KI-System eine höhere Krebsdetektionsrate als der Erstbefunder. Diese stieg von 7,54 auf 9,33 Fälle pro 1.000 untersuchte Frauen.
Zudem identifizierte die KI etwa 25 % der Intervallkarzinome, die sonst erst zwischen zwei Screeninguntersuchungen oder in der nächsten Runde diagnostiziert worden wären.
Besonders deutliche Effekte bei Erstscreenings und invasiven Tumoren
Die Leistungssteigerung zeigte sich insbesondere bei Erstscreenings ohne Voraufnahmen. Hier wurden 39,3 % weniger Rückrufe verzeichnet, während die Detektionsrate um 8,8 % zunahm.
Darüber hinaus erkannte das System häufiger invasive Karzinome, die prognostisch besonders relevant sind.
Ersatz des Zweitbefunders durch KI könnte Befundungszeit verkürzen
Simulationen zeigten, dass der Einsatz der KI als Ersatz für den Zweitbefunder die Befundungszeit um rund 32 % reduzieren könnte. Zudem ergab sich in diesen Modellanalysen eine um 17,7 % höhere Detektionsrate.
KI lässt sich in Screeningabläufe integrieren und spart Zeit
Die prospektive Phase bestätigte, dass sich das KI-System in bestehende Screeningabläufe integrieren lässt. Zu Beginn lag die Rückrufrate des KI-Systems über den Zielwerten, sodass Entscheidungskriterien im Studienverlauf angepasst wurden.
Dennoch zeigte sich ein deutlicher Zeitvorteil: Während das KI-System eine Untersuchung im Durchschnitt innerhalb von rund 18 Minuten analysierte, benötigte der Erstbefunder im Mittel mehr als zwei Tage.
KI erstmals in der Arbitration von Screeningbefunden untersucht
Eine dritte Analyse untersuchte den Einsatz von KI in der sogenannten Arbitration. Dabei bewertet ein dritter Befunder Fälle, in denen Erst- und Zweitbefunder zu unterschiedlichen Einschätzungen gelangen.
Bei rund 50.000 untersuchten Frauen zeigte das KI-System eine mit menschlichen Befundern vergleichbare diagnostische Leistung. Trotz einer höheren Arbitration-Rate verringerte sich insgesamt der Arbeitsaufwand im Screening.
Fazit: KI könnte Screeningprozesse effizienter gestalten
Die vorliegenden Untersuchungen liefern Hinweise darauf, dass KI-basierte Auswertungssysteme die diagnostische Sensitivität im Mammographie-Screening erhöhen und gleichzeitig den Arbeitsaufwand für Radiologen reduzieren können. Besonders beim Erstscreening sowie bei der Detektion invasiver Tumoren zeigte sich eine verbesserte Leistungsfähigkeit.
Weitere Studien sollen klären, wie sich der Einsatz auf nachgelagerte diagnostische Prozesse, Kostenstrukturen und die Zusammenarbeit zwischen medizinischem Personal und KI-Systemen auswirkt.
