Vorläufige Untersuchung radiomischer Mammographieanalyse bei triple-negativem Brustkrebs im Zusammenhang mit BRCA-Profil

Warum Brustaufnahmen mehr verraten können, als das Auge sieht

Wenn die meisten Menschen an eine Mammographie denken, stellen sie sich einen Arzt vor, der nach offensichtlichen Knoten oder verdächtigen Stellen sucht. Diese Studie stellt eine tiefere Frage: Könnten die subtilen Muster in einer Standard-Brust-Röntgenaufnahme auch anzeigen, ob eine Frau hochriskante erbliche Mutationen trägt, etwa in den BRCA-Genen, noch bevor ein Pathologe oder ein Gentest Ergebnis liefert? Wenn ja, könnten die alltäglichen Bilder zur Krebsfrüherkennung außerdem dazu beitragen, Frauen mit erhöhtem erblichen Risiko zu identifizieren und so eine engere Nachverfolgung oder genetische Beratung zu lenken.

Eine schwere Krebsart und erbliches Risiko

Die Forschenden konzentrierten sich auf triple-negativen Brustkrebs, eine besonders aggressive Form, die drei übliche Hormon- und Wachstumsfaktor-Marker nicht aufweist und derzeit weniger gezielte Therapieoptionen hat. Triple-negative Tumoren treten häufiger bei Frauen auf, die schädliche Veränderungen in den BRCA1- oder BRCA2-Genen tragen, welche an der Reparatur geschädigten DNA beteiligt sind. Bis heute erfordert die Bestätigung dieser Mutationen jedoch weiterhin genetische Tests. Das Team fragte sich, ob Mammographien selbst versteckte Hinweise enthalten könnten — zu subtil für das menschliche Auge — die Frauen mit und ohne BRCA-Mutationen unter denen, die bereits mit triple-negativem Befund diagnostiziert wurden, unterscheiden.

Mammographien in Zahlen verwandeln

Um dies zu untersuchen, führten die Wissenschaftlerinnen und Wissenschaftler eine retrospektive Auswertung von 52 Frauen mit triple-negativem Brustkrebs durch, die vor jeder Behandlung digitale Mammographien erhalten hatten und deren BRCA-Status bekannt war. Dreizehn Frauen trugen BRCA-Mutationen, 39 nicht. Radiologinnen und Radiologen umrissen manuell jeden sichtbaren Tumor auf der Mammographie und zeichneten außerdem eine standardgroße ovale Region im homogensten Bereich der gegenüberliegenden, scheinbar gesunden Brust. Mit einer Open-Source-Software wandelten sie jede umrandete Fläche in 195 numerische Beschreibungen oder „Features“ um, die Helligkeit, Kontrast und feinräumige Textur erfassen — Muster aus Hell und Dunkel, die Hinweise darauf geben, wie Gewebe auf mikroskopischer Ebene organisiert ist.

Algorithmen nach sinnvollen Mustern suchen lassen

Da Hunderte von Messgrößen redundant sein können, nutzte das Team statistische Werkzeuge, um die Liste auf einige wenige Merkmale zu reduzieren, die am informativsten und nicht stark überlappend waren. Anschließend bauten sie drei Modelltypen: eines nur auf Merkmalen aus dem gesunden Brustgewebe, eines nur mit Tumor-Merkmalen und eines, das beide kombiniert. Mehrere gängige Machine-Learning-Klassifikatoren — darunter logistische Regression, Support-Vektor-Maschinen und Entscheidungsbäume — wurden wiederholt an zufällig aufgeteilten Datensätzen trainiert und getestet, um abzuschätzen, wie gut sie Patientinnen mit BRCA-Mutation von Nichtträgerinnen unterscheiden konnten.

Das ruhige Brustgewebe spricht am deutlichsten

Überraschenderweise ergaben die genauesten Modelle ihre Herkunft nicht aus den Tumoren selbst, sondern aus dem normal erscheinenden Drüsengewebe der gegenüberliegenden Brust. Ein einfaches lineares Modell, das allein auf drei Merkmalen dieses gesunden Gewebes basierte, erzielte eine gute Unterscheidung zwischen Mutationsträgerinnen und Nichtträgerinnen bei hoher Spezifität — das heißt, es gab nur wenige Fehlalarme. Eine Texturmetrik, bekannt als „sum entropy“ (Summenentropie), die widerspiegelt, wie zufällig oder komplex die Pixelmuster sind, war bei Frauen mit BRCA-Mutationen durchgehend höher. Die Autorinnen und Autoren vermuten, dass vererbte Defekte in der DNA-Reparatur die mikroskopische Architektur des Brustgewebes subtil verändern können, lange bevor oder jenseits dessen, was als klar abgrenzbare Masse sichtbar ist, und dass diese veränderte Architektur sich in der Mammographie als unregelmäßigere Textur zeigt.

Was das für zukünftige Untersuchungen bedeuten könnte

Für Laien ist die wichtigste Erkenntnis, dass Standard-Mammographien möglicherweise wesentlich reichere Informationen enthalten, als Radiologinnen und Radiologen derzeit nutzen. In dieser vorläufigen Studie half die Computeranalyse des „Hintergrunds“-Brustgewebes — nicht nur des Tumors — dabei, Frauen mit hochriskanten BRCA-Mutationen von denen ohne zu unterscheiden, innerhalb einer Gruppe, die bereits an triple-negativem Brustkrebs litt. Wenn größere, multizentrische Studien diese Ergebnisse bestätigen und sie mit klinischen Daten integrieren, könnten routinemäßige Screening-Bilder eines Tages nicht-invasive Werkzeuge unterstützen, die das erbliche Risiko schätzen und helfen zu entscheiden, wer ein genetisches Testangebot oder eine engere Überwachung erhalten sollte — ganz ohne die Art der Mammographie selbst zu verändern.

Zitation: Pecchi, A., Sessa, G., Nocetti, L. et al. Preliminary exploration of radiomic mammographic analysis in triple negative breast cancer related to BRCA profile. Sci Rep 16, 8765 (2026). https://doi.org/10.1038/s41598-026-35774-1

Schlüsselwörter: triple-negativer Brustkrebs, BRCA-Mutation, Mammographie, Radiomics, Radiogenomik