Eine neue, in JAMA Network Open veröffentlichte Studie hat gezeigt, dass ein KI-Algorithmus, der ursprünglich entwickelt wurde, um Tumoren während der Mammographie zu entdecken, in der Lage ist, das zukünftige Risiko, an Brustkrebs zu erkranken, vier bis sechs Jahre vor der klinischen Diagnose festzustellen.
Die Studie analysierte fast 350 000 Mammographie-Aufnahmen von 116 495 Frauen, die am Programm BreastScreen Norway teilnahmen, und bewertete die Leistung des kommerziellen Algorithmus INIGHT MMG bei der auf den Aufnahmen beruhenden Erstellung von Risikoprofilen. Diese Risikoprofile dienten weniger der direkten Diagnose, sondern der prädiktiven Einschätzung des langfristigen Brustkrebsrisikos.
Die Ergebnisse waren erstaunlich: Die Brüste, in denen sich später ein Tumor entwickeln sollte, wiesen schon Jahre zuvor ein signifikant höheres Risiko auf als gesunde Brüste. Zum Beispiel hatten die Brüste, in denen sich der Tumor entwickelte, vier Jahre vor der Diagnose ein durchschnittliches KI-Risikoprofil von 19,2, gegenüber von 7,1 gesunder Brüste. Dieser Unterschied erhöhte sich bei den darauf folgenden Mammographien deutlich und erreichte im Moment der Diagnose 92,7 im Vergleich zu 5,0 der Patientinnen ohne Brustkrebs.
Interessant ist auch der Unterschied bei den Risikoprofilen der beiden Brüste derselben Patientin: Je näher die Diagnose rückte, desto mehr vergrößerte er sich, was vermuten lässt, dass die KI auch bei der Bewertung der Brustsymmetrie als Risikoindikator von Nutzen sein kann.
Die unter Berücksichtigung des STROBE-Statements durchgeführt Studie verglich darüber hinaus die Leistung der KI mit schon existierenden Modellen zur Risikoberechnung wie Tyrer-Cuzick und BCRAT und kam zu dem Schluss, dass der Algorithmus gleichwertig oder überlegen war.
Allerdings heben die Autoren hervor, dass die KI den Krebs nicht Jahre im Voraus „diagnostiziert“, sondern Risikofaktoren auf den Aufnahmen ekennt, die für das menschliche Auge unsichtbar sein könnten. Im Übrigen konnte nicht gezeigt werden, dass ein eventuelles frühzeitiges, von diesen Hinweisen ausgehendes Einschreiten das Überleben verbessern oder die Gesundheitskosten senken würde: Es bedarf prospektiver Studien für die Bewertung der tatsächlichen klinischen Bedeutung.
Diese breit angelegte Studie zeigt das Potential von künstlicher Intelligenz für die frühzeitige Feststellung des Krebsrisikos und weist den Weg für individuelle Screening-Strategien.
Einschränkend ist zu bemerken, dass es sich um eine retrospektive Studie handelt, bei der ein einzelner Algorithmus auf eine relativ homogene Population angewendet wurde. Für die Verwendung in der klinischen Praxis sind weitere Studien mit unterschiedlichen Populationen und prospektiven Ansätzen nötig.
Quelle
Gjesvik J et al. Artificial intelligence algorithm for subclinical breast cancer detection. JAMA Netw Open. 2024;7(10):e2437402.