Die Screening-Mammographie ist eine etablierte Methode, um Brustkrebs im Frühstadium zu diagnostizieren und die betroffenen Patientinnen schnellstmöglich einer Therapie zuzuführen. Aber bei der Interpretation der Röntgenbilder durch Radiologen kommt es immer wieder zu Fehlern – insbesondere bei dichtem Brustgewebe. Falsch positive und falsch negative Bewertungen der Bilder können die Folge sein.

Um die Zuverlässigkeit der radiologischen Diagnosen zu verbessern, ließen Forscher nun Computer anhand von riesigen Datensätzen lernen, wie Mammographien zu lesen und zu interpretieren sind. Die Rechner wurden mit über 28.000 Röntgenbildern und den dazugehörigen klinischen Verläufen inklusive bioptischen Diagnosen gefüttert. Daraus entwickelte man Algorithmen zur automatisierten Bildinterpretation, also eine KI (künstliche Intelligenz). Über die Ergebnisse wurde nun im renommiertesten Journal überhaupt – Nature – berichtet.

Im Vergleich zu radiologischen Experten aus Fleisch und Blut stellte die KI nach ihrem „Training“ anhand der Mammographie-Aufnahmen häufiger eine korrekte Diagnose. Durch den Einsatz der Computer reduzierte sich die Rate an falsch-positiven Diagnosen um absolut 1,2 bis 5,7% – falsch-negative Ergebnisse waren gar 2,7 bis 9,4% seltener. Im direkten Vergleich schlug die KI alle sechs Radiologen in puncto Diagnosekorrektheit.

Einen wichtigen Aspekt ließ die Studie allerdings unbeleuchtet: Kann man jungen Ärzten ob der mangelnden Zukunftsperspektiven heute überhaupt noch raten, einen Facharzt für Radiologie anzustreben? Oder sollten sie besser auf Informatik umsatteln? Immerhin kommt der Erstautor der Nature-Studie nicht von einer medizinischen Fakultät eines berühmten Universitätsklinikums, sondern von … Google. (Autor: Dr. med. Christian Bruer)

Mammakarzinombefund, der von allen sechs Radiologen übersehen und von der KI eindeutig identifiziert wurde.

McKinney SM et al.: International evaluation of an AI system for breast cancer screening. Nature 2020; 577: 89-94