Brustkrebs: KI verbessert Ergebnisse im Mammographie-Screening um 18 Prozent

von | Jan. 9, 2025 | Forschung, Gesundheit

In der weltweit größten prospektiven Studie zum Einsatz von KI im deutschen Mammographie-Screening-Programm (MSP) konnte die Entdeckungsrate für Brustkrebs um fast 18 Prozent gesteigert werden – ohne dass es vermehrt zu falschem Alarm oder unnötigen Zusatzuntersuchungen kommt. Die Studie, durchgeführt von der Universität zu Lübeck und dem Universitätsklinikum Schleswig-Holstein (UKSH), Campus Lübeck, und in Zusammenarbeit mit der Firma Vara, zeigt zudem, dass KI die Arbeitslast von Radiologen ohne Qualitätsverlust reduzieren kann.

Etwa zehn Prozent der Brustkrebsfälle wurden bislang im Mammographie-Screening nicht erkannt. Der Einsatz von KI kann diesen Prozentsatz senken. (Credits: cottonbro studio/pexels)

In der sogenannten PRAIM-Studie wurden die Daten von über 460.000 Frauen ausgewertet, die zwischen 2021 und 2023 an insgesamt zwölf Standorten in Deutschland am Mammographie-Screening-Programm (MSP) teilnahmen. Dabei wurde etwa die Hälfte der Mammographien mithilfe von KI ausgewertet, während die andere Hälfte traditionell durch Doppelbefundung von Radiologen untersucht wurde. „Eigentlich wollten wir mit der Studie zeigen, dass die KI-Befundung der menschlichen Befundung gleichwertig ist“, erklärt Prof. Dr. Alexander Katalinic, Studienleiter und Direktor des Instituts für Sozialmedizin und Epidemiologie an der Universität zu Lübeck und dem UKSH, Campus Lübeck. „Doch die Ergebnisse haben uns positiv überrascht: KI verbessert die Brustkrebsentdeckungsrate sogar signifikant.“

Im Detail zeigte die Studie, dass unter 1000 Frauen mit KI-Befundung 6,7 Brustkrebsfälle entdeckt wurden, im Vergleich zu 5,7 Fällen ohne KI. Somit wurde durch KI pro 1000 Frauen ein zusätzlicher Brustkrebsfall erkannt. Gleichzeitig blieb die Rate an Frauen, die aufgrund auffälliger Befunde zu weiteren Untersuchungen eingeladen wurden, stabil (KI: 37,4/1000 vs. 38,3/1000). Stefan Bunk, CTO des KI-Unternehmens Vara, betont die globale Relevanz: „Die PRAIM-Studie zeigt das enorme Potenzial von KI, Screening-Programme weltweit zu verbessern. Diese Evidenz wird die Diskussion über die Integration von KI in Gesundheitssysteme auf ein neues Niveau heben.“

Ein weiteres bemerkenswertes Ergebnis der Studie war die mögliche Effizienzsteigerung. Simulationen konnten das Potential der KI zur Reduktion der Arbeitsbelast im MSP zeigen. Würden alle Fälle, die die KI als unauffällig bezeichnet, nicht mehr von Menschen befundet, würde die Brustkrebsentdeckungsrate trotzdem 16,7 Prozent höher liegen.
Gleichzeitig ließ sich die Anzahl der Wiedereinbestellungen um 15 Prozent reduzieren. Angesichts der aktuellen Belastung, bei der Radiologinnen und Radiologen jährlich 24 Millionen Einzelbilder bewerten müssen, bietet der Einsatz von KI erhebliches Entlastungspotenzial. „Wir hoffen, dass die höhere Trefferrate mit KI die Prognose für Frauen mit Brustkrebs weiter verbessern kann. Dies werden wir in der Folge untersuchen“, sagt Prof. Katalinic.

Über das Mammographie-Screening-Programm (MSP)

Brustkrebs ist mit jährlich 78.000 Neuerkrankungen die häufigste Krebserkrankung bei Frauen in Deutschland. Am MSP nehmen jährlich über drei Millionen Frauen zwischen 50 und 75 Jahren mit dem Ziel der frühen und rechtzeitigen Entdeckung von Brustkrebs teil. Trotz der hohen Sicherheit der Doppelbefundung bleiben bisher einige Brustkrebsfälle unentdeckt. KI-basierte Systeme könnten dazu beitragen, diese diagnostische Lücke zu schließen und gleichzeitig die Arbeitslast zu reduzieren.

Originalveröffentlichung

Eisemann, N., Bunk, S., Mukama, T. et al. Nationwide real-world implementation of AI for cancer detection in population-based mammography screening. Nat Med. (2025). https://doi.org/10.1038/s41591-024-03408-6

Lesen Sie auch

Zu viel Körperfett kann Brustkrebs nach Menopause auslösen – MedLabPortal

HER2 Brustkrebs: Deutliche Verlängerung der Überlebenszeit – MedLabPortal


Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.