Insgesamt habe die KI 204 Fälle von Brustkrebs gefunden, die sonst bei der menschlichen Analyse übersehen worden wären, sagten die Studienautoren. Es sei möglich, dass andere Fälle übersehen wurden, als der Radiologe entschied, dass es nicht angemessen sei, von der KI markierte Bilder zu überprüfen, fügen sie hinzu.
Mammographie, kommentierte Dr. Matthew Seidler, Leiter der Abteilung für Brustbildgebung in der CHUM-Radiologieabteilung, „ist die einzige Screening-Methode, die nachweislich die Mortalität aufgrund von Brustkrebs senkt.“
„Aber es ist keine perfekte Prüfung“, erinnert er sich. Die Sensitivität der Mammographie liegt bei etwa 87 %. Und wir wissen, dass es sich um einen Test handelt, der bei Frauen mit hoher Dichte weniger effektiv ist (…). Der Mammographie sind also Grenzen gesetzt, daher die Idee, dass der Einsatz von KI die Leistung dieser Untersuchung steigern könnte, nicht nur um mehr Krebsarten zu finden, sondern auch um die Zahl der Fehlalarme zu verringern.“
An der Studie nahmen rund 500.000 Frauen teil, die an einem Brustkrebserkennungsprogramm in Deutschland teilnahmen. Dieses Programm sieht vor, dass alle Bilder von zwei Radiologen gelesen werden. Wenn einer von ihnen eine Anomalie feststellt, werden die Bilder an einen dritten Spezialisten gesendet.
Die Autoren der Studie wollten wissen, welchen Beitrag KI zu diesem Prozess leisten kann. Ohne die Hilfe von KI stellten Ärzte bei tausend untersuchten Patientinnen sechs Fälle von Brustkrebs fest. Mit KI wurden sieben Fälle entdeckt, ein Anstieg von 17,6 %.
Auch in der AI-Gruppe gab es weniger falsch positive Ergebnisse, also Ergebnisse, die den Verdacht auf Krebs erwecken, sich aber letztendlich nur als Fehlalarm herausstellen.
Dies deutet darauf hin, „dass KI die Krebserkennung verbessern könnte (…), indem sie Krebserkrankungen, die während des nächsten Screening-Zyklus entdeckt wurden, früher erkennt, von denen einige im Nachhinein auf Mammographien aus einem früheren Screening-Zyklus sichtbar sind“, schreiben sie die Zeitschrift Nature Medicine.
Auch wenn diese Ergebnisse vielversprechend sind, sagte Dr. Seidler, müssen wir bedenken, dass der Einsatz von KI zur Erkennung von Brustkrebs, insbesondere am CHUM, wo er arbeitet, „embryonal“ bleibt. Derzeit werden die vorhandenen Tools hauptsächlich zur Verbesserung der Bildqualität eingesetzt.
Es könne auch nicht davon ausgegangen werden, dass die in Deutschland erzielten Ergebnisse auch in anderen Bevölkerungsgruppen reproduzierbar seien, betonte er, auch in Quebec und Kanada.
„Wir hören manchmal, dass bestimmte Aufgaben in Zukunft vollständig von Software erledigt werden“, sagte Dr. Seidler. Aber ich denke, dass Algorithmen der künstlichen Intelligenz eher helfen und die Leistung von Radiologen unterstützen werden, um mehr Patienten helfen zu können.“
Er fügte hinzu, dass auch große Anstrengungen in die Entwicklung von Instrumenten gesteckt würden, die es ermöglichen, die am stärksten gefährdeten Patienten zu identifizieren. Bestimmte Algorithmen der künstlichen Intelligenz können beispielsweise vorhersagen, dass eine Patientin aufgrund der Ergebnisse ihrer Mammographie in den nächsten fünf Jahren ein sehr hohes Brustkrebsrisiko hat.
„Aber bei einer anderen Patientin machen wir uns keine Sorgen, dass sie an Brustkrebs erkrankt. Deshalb könnte diese Patientin vielleicht alle zwei oder drei Jahre statt jedes Jahr untersucht werden“, schloss Dr. Seidler.
