AI-baserad triage och beslutstöd vid mammografi och digital tomosyntes för bröstcancerscreening: en parvis, icke‑sämre‑än‑prövning

Varför smartare screening är viktig

De flesta kvinnor över 50 bjuds in till regelbundna bröströntgenundersökningar för att upptäcka cancer tidigt. Dessa screeningprogram räddar liv, men belastar också vårdsystemen och orsakar oro när undersökningar leder till falska larm. Denna studie ställer en viktig fråga: kan artificiell intelligens (AI) på ett säkert sätt ta över en del av arbetet med att bedöma bröstavbildningar, så att radiologer kan fokusera på de mest riskfyllda fallen samtidigt som man ändå hittar åtminstone lika många cancerfall?

Hur bröströntgen läses idag

I många europeiska program läser två radiologer varje mammogram oberoende av varandra. Denna "dubbelbedömning" fångar fler cancerfall men fördubblar även arbetsbördan. Nya tredimensionella liknande undersökningar, kallade tomosyntes, kräver ännu mer visningstid per undersökning. Samtidigt blir befolkningarna äldre, vissa riktlinjer föreslår tidigare start för screening, och det finns inte tillräckligt med utbildade radiologer i många regioner. Allt detta gör det svårt att upprätthålla eller förbättra screeningkvaliteten utan att överbelasta specialisterna.

Vad forskarna testade i verklig miljö

Teamet genomförde en stor klinisk prövning i Córdoba, Spanien, inom ett befintligt offentligt screeningprogram. Över 31 000 kvinnor i åldern 50 till 71 genomgick antingen standard digital mammografi eller tomosyntes. Varje undersökning bearbetades på två parallella sätt. Först använde man det normala tillvägagångssättet: två radiologer läste varje fall utan AI-hjälp. I det andra, experimentella tillvägagångssättet analyserade ett AI-system bilderna och rankade varje undersökning efter sannolikheten att den innehöll cancer. Undersökningar som AI bedömde som lågrisk klassades automatiskt som normala och visades aldrig för en radiolog; endast de högre riskfallen lästes dubbelt, denna gång med AI:ns visuella markeringar och poäng tillgängliga som beslutstöd.

Vad som hände med arbetsbördan och cancerupptäckt

Denna AI-triage innebar att radiologerna behövde läsa bara drygt en tredjedel av alla undersökningar istället för varje enskild — en arbetsminskning på nästan två tredjedelar. Trots denna dramatiska minskning hittade den AI-stödda strategin faktiskt fler cancerfall: cirka 7,3 cancerfall per 1 000 undersökta kvinnor jämfört med 6,3 per 1 000 med standardmetoden. Den AI-styrda vägen fångade upp fler tidiga, små och lymfkörtelnegativa tumörer — de typer av cancer där tidig behandling kan vara mest fördelaktig. Vinsterna var särskilt markanta för traditionell 2D-mammografi, där cancerupptäckten ökade med mer än 30 procent med AI-stöd.

Avvägningen: fler återkallningar för kompletterande undersökningar

Priset för denna förbättring var en ökning av antalet kvinnor som kallades tillbaka för ytterligare undersökningar. Sammantaget steg återkallningsfrekvensen från 4,8 % vid standardläsning till 5,5 % under AI-strategin, och andelen falskt positiva var måttligt högre. Med andra ord hittades fler cancerfall, men något fler kvinnor upplevde stressen av ett misstänkt resultat som i slutändan visade sig vara ofarligt. För tomosyntes däremot minskade AI arbetsbördan utan att i nämnvärd grad förändra hur många som återkallades eller hur många cancerfall som upptäcktes, vilket speglar redan stark prestanda i den modaliteten.

Säkerhet, missade cancerfall och etiska frågor

AI var inte perfekt: 11 cancerfall gavs lågriskpoäng och skulle därför ha missats i ett helt autonomt arbetsflöde. Ändå missade det traditionella tillvägagångssättet utan AI ännu fler cancerfall som den AI-stödda strategin fångade upp. De flesta av de AI-missade tumörerna hade mycket subtila utseenden och upptäcktes endast av en av de två radiologerna i den traditionella läsningsarmen. Författarna understryker att bred användning av AI-ensamläsning för många undersökningar väcker etiska och juridiska frågor. De menar att extra skyddsåtgärder — såsom strikta kvalitetskontroller vid bildtagning och kontinuerlig övervakning av AI-prestanda — skulle vara nödvändiga innan man förlitar sig på att AI klassar majoriteten av undersökningarna som normala utan mänsklig granskning.

Vad detta betyder för framtidens screening

För en lekman är slutsatsen att väl utformad AI kan hjälpa radiologer hantera betydligt fler screeningsundersökningar samtidigt som åtminstone lika många, och i vissa fall fler, tidiga bröstcancerfall upptäcks. I denna prövning minskade automatisk rensning av lågriskmammogram radiologernas arbetsbörda med nästan två tredjedelar, bibehöll träffsäkerheten i positiva fynd och förbättrade något den totala cancerupptäckten, även om fler kvinnor ombads komma tillbaka för uppföljning. Studien antyder att med lämplig tillsyn och ytterligare validering skulle AI-baserad triage och beslutstöd kunna göra storskalig bröstcancerscreening både mer hållbar för vårdsystemen och mer effektiv för tidig upptäckt av sjukdom.

Citering: 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

Nyckelord: bröstcancerscreening, mammografi, artificiell intelligens, radiologarbete, tidig cancerupptäckt