Früherkennung und erhöhte Genauigkeit durch KI
Algorithmen der künstlichen Intelligenz wurden getestet, um ihre Fähigkeit zu beurteilen, frühe Anzeichen von Brustkrebs zu erkennen, lange bevor dieser für Radiologen sichtbar ist. In einer retrospektiven Kohortenstudie mit 116.495 Frauen im Alter von 50 bis 69 Jahren in Norwegen wurde ein KI-Algorithmus auf Mammographien angewendet, die über einen Zeitraum von mehreren Jahren erstellt wurden. Die Ergebnisse zeigen, dass die von der KI bereitgestellten Werte bei Frauen, die bis zu sechs Jahre vor der endgültigen Krebsdiagnose an Krebs erkrankten, der während des Screenings entdeckt wurde, deutlich höher waren.
Die Daten zeigen, dass bei Frauen, bei denen Krebs diagnostiziert wurde, der mittlere absolute Unterschied in den AI-Werten zwischen den beiden Brüsten in der ersten Untersuchungsrunde 21,3 betrug und in der dritten Runde auf 79,0 anstieg. Dieser Trend legt nahe, dass Algorithmen nicht nur bestehende Krebsarten erkennen, sondern auch das Risiko einer zukünftigen Krankheitsentwicklung abschätzen können.
Auf dem Weg zu einem personalisierten Screening und einer Reduzierung falsch positiver Ergebnisse
Die Studie unterstreicht auch den potenziellen Nutzen von KI-Algorithmen bei der Reduzierung der Falsch-Positiv-Rate, einem häufigen Problem bei aktuellen Screenings. KI-Scores haben sich als zuverlässiger erwiesen als einige traditionelle Risikomodelle, wie etwa das Tyrer-Cuzick-Modell und das Breast Cancer Risk Assessment Tool. Diese auf klinischen Risikofaktoren basierenden Modelle zeigten eine AUC-Leistung (Fläche unter der Empfängercharakteristikkurve) von 0,62 bis 0,71, während AI in der dritten Untersuchungsrunde eine AUC von 0,97 für die Krebserkennung zeigte.
Diese vielversprechenden Ergebnisse ebnen den Weg für einen verstärkten Einsatz von KI für einen gezielteren und personalisierteren Screening-Ansatz. Mithilfe dieser Scores könnten Radiologen Hochrisikopatienten besser identifizieren und ihnen so eine verbesserte Nachsorge oder zusätzliche Untersuchungen anbieten. Dieser Ansatz könnte nicht nur die Früherkennungsraten verbessern, sondern auch den Bedarf an invasiven Behandlungen für Patienten verringern.
Gjesvik J, Moshina N, Lee CI, Miglioretti DL, Hofvind S. Algorithmus der künstlichen Intelligenz zur subklinischen Brustkrebserkennung. JAMA Netw Open. 2024;7(10):e2437402. doi:10.1001/jamanetworkopen.2024.37402
