Kann künstliche Intelligenz die Brustkrebsfrüherkennung verbessern, ohne Radiologen zu überlasten?

Die Brustkrebsfrüherkennung basiert auf der Auswertung von Mammografien durch zwei Gesundheitsexperten. Diese Methode ist zwar wirksam, sieht sich jedoch mit einem wachsenden Mangel an Radiologen konfrontiert, insbesondere im Vereinigten Königreich, wo bis 2028 fast 40 % der Stellen unbesetzt bleiben könnten. Eine aktuelle Studie untersuchte den Einsatz künstlicher Intelligenz als zweiten Leser zur Analyse dieser Bilder, um die Arbeitsbelastung zu verringern, ohne die Qualität der Diagnosen zu beeinträchtigen.

Die Studie umfasste 50.000 Frauen aus zwei britischen Früherkennungszentren. Die Ergebnisse zeigen, dass der Ersatz des zweiten menschlichen Lesers durch ein Werkzeug der künstlichen Intelligenz eine ähnliche Genauigkeit bei der Erkennung von Krebs und der Reduzierung falsch positiver Ergebnisse ermöglicht. Nach einer Schiedsphase, in der Experten strittige Fälle erneut prüfen, erwiesen sich die Sensitivität und Spezifität der künstlichen Intelligenz als ebenso gut wie die von zwei menschlichen Lesern. Das bedeutet, dass das Werkzeug genauso viele echte Krebsfälle erkennt und ebenso viele Fehldiagnosen vermeidet.

Ein Hauptvorteil dieses Ansatzes ist die deutliche Verringerung der Arbeitszeit. Die Anzahl der von Menschen zu analysierenden Mammografien sank um 50 %, da die künstliche Intelligenz einen Teil der Untersuchungen übernimmt. Allerdings wird die Schiedsphase mit künstlicher Intelligenz häufiger, mit einem Anstieg von 22 % auf 142 % je nach Zentrum. Dieser Anstieg erklärt sich dadurch, dass das Werkzeug manchmal Anomalien meldet, die von Experten nicht bestätigt werden, oder umgekehrt subtile Fälle übersehen kann, die Menschen erkennen.

Die künstliche Intelligenz zeigte eine besondere Fähigkeit, Krebserkrankungen zu identifizieren, die zwischen zwei Screenings oder beim nächsten Screening auftreten, sogenannte Intervall- oder Folgekrebsfälle. Vor der Schiedsphase erkannte sie diese besser als Menschen. Nach der erneuten Bewertung durch Experten verringerte sich dieser Unterschied jedoch, da einige Signale des Werkzeugs verworfen wurden. Dies wirft die Frage auf: Wie können die Vorschläge der künstlichen Intelligenz besser integriert werden, damit sie zuverlässiger sind und von Radiologen besser verstanden werden?

Die Leistung des Werkzeugs variiert je nach den für die Mammografien verwendeten Geräten. Es ist mit den Geräten eines Herstellers effektiver als mit denen eines anderen, was darauf hindeutet, dass es an die lokalen Technologien angepasst werden muss, bevor es eingesetzt wird. Die an der Studie teilnehmenden Radiologen äußerten ein mäßiges Vertrauen in das Werkzeug, wiesen jedoch auf dessen Grenzen hin, insbesondere auf die Tendenz, bestimmte Anomalien wie Verkalkungen überzubewerten.

Diese Studie ebnet den Weg für einen breiteren Einsatz künstlicher Intelligenz in der Brustkrebsfrüherkennung. Sie zeigt, dass es möglich ist, die Arbeitsbelastung der Fachkräfte zu verringern, ohne die Qualität der Diagnosen zu opfern. Um weiter voranzukommen, müssen die Transparenz der Entscheidungen des Werkzeugs verbessert und Radiologen in seiner Anwendung geschult werden, damit sie dessen Warnungen besser bewerten und optimal nutzen können.

Références des contenus

Référence officielle

DOI : https://doi.org/10.1038/s43018-026-01128-z

Titre : Impact of using artificial intelligence as a second reader in breast screening including arbitration

Revue : Nature Cancer

Éditeur : Springer Science and Business Media LLC

Auteurs : Lucy M. Warren; Jenny Venton; Kenneth C. Young; Mark Halling-Brown; Christopher J. Kelly; Marc Wilson; Megumi Morigami; Lisanne Khoo; Deborah Cunningham; Richard Sidebottom; Mamatha Reddy; Hema Purushothaman; Delara Khodabakhshi; Lesley Honeyfield; Amandeep Hujan; Tsvetina Stoycheva; Andy Joiner; Reena Chopra; Aminata Sy; Dominic Ward; Lin Yang; Rory Sayres; Daniel Golden; Namrata Malhotra; Rachita Mallya; Lihong Xi; Della Ogunleye; Charlotte Purdy; Alistair Mackenzie; Susan Thomas; Shravya Shetty; Fiona J. Gilbert; Ara Darzi; Hutan Ashrafian