AI-gebaseerde triage en beslissingsondersteuning bij mammografie en digitale tomosynthese voor borstkankerscreening: een gepaard, non-inferioriteitsonderzoek

Waarom slimere screening ertoe doet

De meeste vrouwen boven de 50 worden uitgenodigd voor regelmatige röntgenonderzoeken van de borst om kanker vroegtijdig op te sporen. Deze screeningsprogramma’s redden levens, maar ze belasten ook de zorgsystemen en veroorzaken onzekerheid wanneer scans valse alarmen geven. Deze studie stelt een urgente vraag: kan kunstmatige intelligentie (AI) veilig een deel van het werk van het lezen van borstopnamen overnemen, zodat radiologen zich alleen op de risicovollere gevallen richten en toch evenveel of meer kankers vinden?

Hoe borstopnamen tegenwoordig worden gelezen

In veel Europese programma’s wordt elke mammografie onafhankelijk door twee radiologen beoordeeld. Deze "dubbele lezing" legt meer kankers bloot maar verdubbelt ook de werklast. Nieuwere 3D-achtige opnamen, tomosynthese genoemd, nemen per onderzoek nog meer kijktijd in beslag. Tegelijkertijd vergrijst de bevolking, suggereren sommige richtlijnen om eerder te beginnen met screenen, en zijn er in veel regio’s niet genoeg getrainde radiologen. Dit alles bemoeilijkt het behoud of de verbetering van de screeningskwaliteit zonder specialisten te overbelasten.

Wat de onderzoekers in de praktijk testten

Het team voerde een groot klinisch onderzoek uit in Córdoba, Spanje, binnen een bestaand openbaar screeningsprogramma. Meer dan 31.000 vrouwen van 50 tot 71 jaar ondergingen ofwel standaard digitale mammografie of tomosynthese. Elk onderzoek werd op twee parallelle manieren verwerkt. Eerst de gebruikelijke benadering: twee radiologen lazen elk geval zonder hulp van AI. In de tweede, experimentele benadering analyseerde een AI-systeem de beelden en rangschikte elk onderzoek op de waarschijnlijkheid dat er kanker aanwezig was. Scans die de AI als laag risico aanmerkte, werden automatisch als normaal beschouwd en nooit aan een radioloog getoond; alleen de hoger gerangschikte onderzoeken werden dubbel gelezen, dit keer met de visuele markeringen en scores van de AI beschikbaar als beslissingsondersteuning.

Wat er gebeurde met werklast en kankerdetectie

Deze AI-triagestrategie betekende dat radiologen slechts iets meer dan een derde van alle onderzoeken hoefden te lezen in plaats van elk onderzoek — een daling van de werklast van bijna twee derde. Ondanks deze dramatische reductie vond de AI-ondersteunde strategie feitelijk meer kankers: ongeveer 7,3 kankers per 1.000 gescreende vrouwen vergeleken met 6,3 per 1.000 met de standaardmethode. Het AI-gestuurde traject nam extra vroege, kleine en lymfeknoop-negatieve tumoren op, de typen kanker waarbij vroege behandeling het meeste voordeel kan bieden. Deze winst was bijzonder opvallend voor traditionele 2D-mammografie, waarbij de kankerdetectie met AI-ondersteuning met meer dan 30 procent steeg.

De afweging: meer terugroepacties voor aanvullende onderzoeken

De prijs van deze verbetering was een toename van het aantal vrouwen dat werd teruggeroepen voor extra onderzoek. In totaal steeg het terugroeperingspercentage van 4,8% bij standaardlezing naar 5,5% onder de AI-strategie, en het percentage vals-positieven was licht hoger. Met andere woorden: er werden meer kankers gevonden, maar iets meer vrouwen ondervonden de stress van een verdachte uitslag die uiteindelijk goedaardig bleek. Voor tomosynthese verminderde AI daarentegen de werklast zonder wezenlijk te veranderen hoeveel vrouwen werden teruggeroepen of hoeveel kankers werden gevonden, wat de al sterke prestaties van die modaliteit weerspiegelt.

Veiligheid, gemiste kankers en ethische vragen

AI was niet perfect: 11 kankers kregen een laag-risicoscore en zouden daarom gemist zijn in een volledig autonome workflow. Toch miste de standaardbenadering zonder AI nog meer kankers die de AI-ondersteunde strategie wel ontdekte. De meeste door AI gemiste tumoren hadden zeer subtiele verschijningen, opgemerkt door slechts één van de twee radiologen in de traditionele leesarm. De auteurs benadrukken dat brede adoptie van alleen-AI-lezing voor veel onderzoeken ethische en juridische vragen oproept. Zij stellen dat extra waarborgen — zoals strikte kwaliteitscontroles bij beeldacquisitie en continue monitoring van AI-prestaties — nodig zouden zijn voordat men erop vertrouwt dat AI de meerderheid van scans als normaal labelt zonder menselijke beoordeling.

Wat dit betekent voor toekomstige screening

Voor een niet-specialistische lezer komt het erop neer dat zorgvuldig ontworpen AI radiologen kan helpen veel meer screeningsonderzoeken aan te kunnen terwijl minstens evenveel, en in sommige gevallen meer, vroege borstkankers worden gevonden. In deze studie verminderde het automatisch vrijgeven van laag-risico mammogrammen door AI de werklast van radiologen met bijna twee derde, bleef de nauwkeurigheid van positieve bevindingen behouden en verbeterde de algehele kankerdetectie licht, hoewel meer vrouwen werden opgeroepen voor vervolgonderzoek. De studie suggereert dat, met passende toezichtmaatregelen en verdere validatie, AI-gebaseerde triage en beslissingsondersteuning grootschalige borstkankerscreening zowel duurzamer voor zorgsystemen als effectiever in het vroegtijdig opsporen van ziekte kunnen maken.

Bronvermelding: 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

Trefwoorden: borstkankerscreening, mammografie, kunstmatige intelligentie, radiologielast, vroegtijdige kankerdetectie