Weitwinkel-Tomosynthese und KI in der diagnostischen Mammographie

Brustkrebs bleibt die am häufigsten diagnostizierte Krebsart und eine der Hauptursachen für krebsbedingte Sterblichkeit bei Frauen weltweit. Eine zeitnahe und genaue Erkennung ist entscheidend für die Verbesserung der Prognose und Überlebensraten. Während die digitale Mammographie lange als Goldstandard für das Screening diente, wird sie durch überlappende Gewebestrukturen eingeschränkt, insbesondere bei Frauen mit dichtem Brustgewebe, was bösartige Tumoren verdecken oder falsch positive Ergebnisse verursachen kann.

Um diese Einschränkungen zu adressieren, wurde die digitale Brusttomosynthese (DBT), insbesondere die Weitwinkel-DBT, entwickelt, um dreidimensionale Bildgebung zu bieten und Gewebeüberlappungen zu reduzieren. Das MAMMOMAT B.brilliant-System von Siemens, das Weitwinkel-DBT integriert, verbessert die räumliche Auflösung und erhöht die Sichtbarkeit von Läsionen. Diese Technologie könnte erhebliche Vorteile in diagnostischen Populationen bieten, wo Genauigkeit und Zuversicht bei der Bildinterpretation entscheidend sind.

Parallel dazu wurden künstliche Intelligenz (KI)-Tools wie das Transpara-System eingeführt, um die mammographische Interpretation weiter zu verbessern. Eine frühere Auswertung von Transpara in einer Stichprobe von 310 japanischen Frauen ergab, dass menschliche Leser in der Gesamtdiagnoseleistung zwar besser abschnitten als die KI, das System jedoch vielversprechende Sensitivitätswerte zeigte, was das Potenzial der KI als Entscheidungsunterstützungstool anstelle eines eigenständigen Lesers hervorhob.

Robustere Beweise liefert die Mammographie-Screening-Studie mit künstlicher Intelligenz (MASAI), die KI-gestütztes Screening-Lesen in einer kontrollierten Studie mit über 80.000 Frauen bewertete. Die Studie ergab, dass KI-gestütztes Lesen zu einer vergleichbaren Krebserkennungsrate wie das Standard-Doppellesen führte (6,1 vs. 5,1 pro 1000 Teilnehmer), aber die Lesearbeitslast um 44,3 % reduzierte, ohne falsch positive Ergebnisse oder Rückrufraten zu erhöhen. Eine verwandte Analyse desselben Teams betonte die Fähigkeit der KI, Untersuchungen effektiv zu priorisieren, und hob hervor, dass KI-markierte "extra hoch riskante" Mammogramme einen erheblichen Anteil (über 55 %) aller screening-entdeckten Krebserkrankungen ausmachten, mit einem hohen positiven Vorhersagewert.

Trotz dieser ermutigenden Ergebnisse waren die meisten Studien auf Screening-basierte Umgebungen beschränkt. Es mangelt weiterhin an prospektiven Beweisen für die reale diagnostische Anwendung von Weitwinkel-DBT und KI in Populationen mit höherem Risiko, wie symptomatischen Patienten oder solchen, die aus dem Screening zurückgerufen wurden. Dies stellt eine kritische Wissenslücke dar, insbesondere angesichts zunehmender Bedenken hinsichtlich der Arbeitsbelastung von Radiologen und diagnostischer Verzögerungen.

Der Zweck dieser prospektiven Beobachtungsstudie ist es, die Integration und den diagnostischen Wert von Weitwinkel-Tomosynthese und KI (Transpara) in einem klinischen Diagnoseumfeld zu bewerten. Insbesondere zielt sie darauf ab, ihren Einfluss auf das Vertrauen der Radiologen, die diagnostische Genauigkeit und den Bedarf an ergänzender Bildgebung zu beurteilen. Durch die Beantwortung dieser Fragen strebt die Studie an, zukünftige Implementierungsstrategien zu informieren, die Genauigkeit, Effizienz und klinischen Nutzen in Einklang bringen.