KI-basierte Triage und Entscheidungshilfe in der Mammographie und digitalen Tomosynthese für das Brustkrebs-Screening: eine gepaarte Non‑Inferiority‑Studie

Warum intelligenteres Screening wichtig ist

Die meisten Frauen über 50 werden regelmäßig zu Brust-Röntgenuntersuchungen eingeladen, um Krebs frühzeitig zu entdecken. Diese Screening‑Programme retten Leben, belasten aber gleichzeitig Gesundheitssysteme und sorgen für Ängste, wenn Untersuchungen Fehlalarme auslösen. Diese Studie stellt eine drängende Frage: Kann künstliche Intelligenz (KI) sicher einen Teil der Aufgabe übernehmen, Brustaufnahmen zu bewerten, sodass sich Radiologinnen und Radiologen nur noch auf die risikoreichsten Fälle konzentrieren müssen und dennoch mindestens ebenso viele Krebserkrankungen gefunden werden?

Wie Brustaufnahmen heute gelesen werden

In vielen europäischen Programmen wird jede Mammographie unabhängig von zwei Radiologinnen bzw. Radiologen begutachtet. Dieses „Doppellektorat“ entdeckt mehr Krebserkrankungen, verdoppelt aber auch die Arbeitslast. Neuere, 3D‑artige Aufnahmen, die Tomosynthese genannt werden, erhöhen die Betrachtungszeit pro Untersuchung zusätzlich. Zugleich altert die Bevölkerung, einige Leitlinien empfehlen ein früheres Screening, und in vielen Regionen fehlen ausreichend ausgebildete Radiologen. All dies erschwert es, die Qualität des Screenings ohne Überlastung der Fachkräfte zu erhalten oder zu verbessern.

Was die Forschenden in der Praxis getestet haben

Das Team führte eine große klinische Studie in Córdoba, Spanien, innerhalb eines bestehenden öffentlichen Screening‑Programms durch. Mehr als 31.000 Frauen im Alter von 50 bis 71 Jahren unterzogen sich entweder der standardmäßigen digitalen Mammographie oder der Tomosynthese. Jede Untersuchung wurde auf zwei parallele Weisen ausgewertet. Zuerst die normale Vorgehensweise: Zwei Radiologinnen bzw. Radiologen lasen jeden Fall ohne Hilfe durch KI. Im zweiten, experimentellen Ansatz analysierte ein KI‑System die Bilder und sortierte jede Untersuchung nach der Wahrscheinlichkeit, Krebs zu enthalten. Von der KI als niedriges Risiko eingestufte Aufnahmen wurden automatisch als normal betrachtet und nie einer Radiologin oder einem Radiologen gezeigt; nur die höher eingestuften Untersuchungen wurden doppelt gelesen, diesmal mit den visuellen Markierungen und Scores der KI als Unterstützung bei der Entscheidungsfindung.

Was mit Arbeitslast und Krebsnachweis geschah

Diese KI‑Triage‑Strategie führte dazu, dass Radiologinnen und Radiologen nur noch etwas mehr als ein Drittel aller Untersuchungen lesen mussten statt jeder einzelnen — ein Rückgang der Arbeitslast um nahezu zwei Drittel. Trotz dieser drastischen Reduktion fand die KI‑unterstützte Strategie tatsächlich mehr Krebserkrankungen: etwa 7,3 Fälle pro 1.000 gescreente Frauen gegenüber 6,3 pro 1.000 mit der Standardmethode. Der KI‑gestützte Weg identifizierte zusätzlich frühe, kleine und LK‑negative Tumoren — jene Krebsarten, bei denen eine frühe Behandlung besonders vorteilhaft sein kann. Diese Zuwächse waren besonders ausgeprägt bei der traditionellen 2D‑Mammographie, bei der die Krebsdetektionsrate mit KI‑Unterstützung um mehr als 30 Prozent anstieg.

Der Kompromiss: mehr Wiedereinbestellungen für Zusatzuntersuchungen

Der Preis für diese Verbesserung war ein Anstieg der Zahl der Frauen, die zu weiteren Untersuchungen einbestellt wurden. Insgesamt stieg die Recall‑Rate von 4,8 % beim Standardlesen auf 5,5 % unter der KI‑Strategie, und die Rate falsch positiver Befunde war moderat höher. Anders ausgedrückt: Es wurden mehr Krebserkrankungen gefunden, aber etwas mehr Frauen erlebten den Stress eines verdächtigen Befunds, der sich letztlich als gutartig herausstellte. Bei der Tomosynthese reduzierte die KI hingegen die Arbeitslast, ohne die Anzahl der Wiedereinbestellungen oder die Zahl gefundener Krebserkrankungen nennenswert zu verändern, was die bereits gute Leistung dieser Modalität widerspiegelt.

Sicherheit, verpasste Krebserkrankungen und ethische Fragen

Die KI war nicht perfekt: 11 Krebserkrankungen erhielten Niedrigrisiko‑Scores und wären daher in einem vollständig autonomen Workflow übersehen worden. Dennoch verpasste der Standardansatz ohne KI sogar noch mehr Fälle, die das KI‑unterstützte Verfahren entdeckte. Die meisten von der KI übersehenen Tumoren wiesen sehr subtile Erscheinungsbilder auf, die in der traditionellen Lesung nur von einer der beiden Radiologinnen bzw. einem der beiden Radiologen erkannt wurden. Die Autorinnen und Autoren betonen, dass eine breite Einführung rein KI‑gestützter Befunde für viele Untersuchungen ethische und rechtliche Fragen aufwirft. Sie argumentieren, dass zusätzliche Schutzmaßnahmen — wie strenge Qualitätskontrollen bei der Bilderfassung und eine kontinuierliche Überwachung der KI‑Leistung — erforderlich wären, bevor man sich darauf verlässt, dass die KI die Mehrheit der Aufnahmen ohne menschliche Prüfung als normal einstuft.

Was das für das zukünftige Screening bedeutet

Für eine nichtfachliche Leserschaft lautet die Quintessenz: Sorgfältig entwickelte KI kann Radiologinnen und Radiologen dabei helfen, deutlich mehr Screening‑Untersuchungen zu bewältigen und dabei mindestens ebenso viele, in einigen Fällen sogar mehr frühe Brustkrebserkrankungen zu finden. In dieser Studie reduzierte das automatische Freigeben von Niedrigrisiko‑Mammographien durch KI die Arbeitslast der Radiologinnen und Radiologen um fast zwei Drittel, bewahrte die Genauigkeit positiver Befunde und verbesserte die Gesamtentdeckungsrate geringfügig, obwohl mehr Frauen zur Nachkontrolle gebeten wurden. Die Studie legt nahe, dass KI‑basierte Triage und Entscheidungshilfe bei geeigneter Aufsicht und weiterer Validierung das großflächige Brustkrebs‑Screening sowohl nachhaltiger für Gesundheitssysteme als auch effektiver beim frühzeitigen Auffinden von Erkrankungen machen könnten.

Zitation: Elías-Cabot, E., Romero-Martín, S., Raya-Povedano, J.L. et al. AI-based triage and decision support in mammography and digital tomosynthesis for breast cancer screening: a paired, noninferiority trial. Nat Med 32, 1296–1305 (2026). https://doi.org/10.1038/s41591-026-04277-x

Schlüsselwörter: Brustkrebs-Screening, Mammographie, künstliche Intelligenz, Radiologielast, früher Krebsnachweis