KI-basiertes Risikomodell für die Brustkrebsvorsorge

Ein kürzlich Lancet Regional Health Studie bewertet die Leistung eines auf künstlicher Intelligenz (KI) basierenden Risikomodells für die Brustkrebsvorsorge in Europa.

Studie: Europäische Validierung eines bildbasierten KI-basierten Kurzzeitrisikomodells für das individualisierte Brustkrebs-Screening – eine verschachtelte Fall-Kontroll-Studie. Bildquelle: Gagliardiphotography / Shutterstock.com

Hintergrund

Regelmäßige Mammographie-Screenings haben die Zahl der Todesfälle aufgrund von Brustkrebs bei Frauen verringert. Selbst nach einem alle zwei Jahre durchgeführten Brustkrebs-Screening werden etwa 25 % der Brustkrebserkrankungen diagnostiziert. In diesen Fällen könnte es sein, dass einige Frauen bei einem Mammographie-Screening negativ getestet wurden, aber vor dem nächsten Screening-Termin möglicherweise Brustkrebs diagnostiziert wurde.

Bei 25–40 % der Frauen wird Brustkrebs im zweiten oder höheren Stadium diagnostiziert. Daher ist es wichtig festzustellen, ob der Tumor im Rahmen des regulären Mammographie-Screenings entdeckt wurde, da es sich um einen robusten prognostischen Marker für die brustkrebsbedingte Mortalität handelt.

Frühere Studien haben die Hinzufügung weiterer Risikobewertungsmaßnahmen vorgeschlagen, um den Screening-Prozess zu verbessern und letztendlich das Risiko von Intervallkrebs vor dem nächsten Screening zu verhindern. Diese Strategie könnte auch die Inzidenz von Brustkrebs im Spätstadium im nächsten Screening verringern. In den USA werden Frauen, die eine dichte Brust haben oder aufgrund familiärer Risikofaktoren einem hohen Risiko ausgesetzt sind, zusätzlichen Untersuchungen unterzogen.

Die derzeit in Europa durchgeführten Brustkrebs-Früherkennungsprogramme enthalten keine Richtlinien, die die Durchführung zusätzlicher Untersuchungen für Frauen mit einem erhöhten Brustkrebsrisiko vorsehen. Es wurden jedoch mehrere Instrumente zur klinischen Risikobewertung entwickelt, die auf Familienanamnese und Lebensstilfaktoren basieren, um die Screening-Ergebnisse zu verbessern.

Obwohl ein neues bildbasiertes Risikomodell erhebliches Potenzial bei der Identifizierung von Frauen mit einem höheren Brustkrebsrisiko gezeigt hat, erfordert dieses Modell eine zusätzliche externe Validierung, um seine klinische Machbarkeit zu beurteilen.

Über die Studie

Die aktuelle Studie bewertete ein zuvor entwickeltes, bildbasiertes, KI-basiertes Risikomodell für Brustkrebs, das darauf ausgelegt war, das Brustkrebsrisiko kurzfristig zu ermitteln. Genauer gesagt wurde dieses Modell verwendet, um Frauen zu identifizieren, die im Zeitraum zwischen zwei Mammographie-Screenings innerhalb von zwei Jahren nach einem negativen Screening an Krebs erkrankten.

Die Gesamtrisikoklassifizierung und die Unterscheidungsleistung des ProFound AI Risk-Modells wurden bewertet. Dieses KI-basierte Modell wurde zuvor mithilfe einer schwedischen Screening-Kohorte entwickelt.

Die aktuelle Studie umfasste vier Screening-Populationen, bestehend aus Frauen im Alter zwischen 45 und 69 Jahren, die sich einem Mammographie-Screening unterzogen. Aus dieser Screening-Population wurden zwei Kohorten in Deutschland und jeweils eine aus Italien und Spanien entworfen.

Zu den wichtigsten Zulassungskriterien gehörte die Häufigkeit von Brustkrebs bei einer digitalen Mammographie zu Studienbeginn. Bei diesen Frauen wurde die Diagnose vor oder beim nächsten Screening-Programm gestellt.

Die Studie schloss Frauen mit einer familiären Vorgeschichte von Brustkrebs aus. Für jede Population wurde eine verschachtelte Fall-Kontroll-Studie durchgeführt. Kontrollgruppen für jede Screening-Population wurden zufällig aus der zugrunde liegenden Screening-Kohorte erstellt.

Studienergebnisse

Die Validierungsstudie umfasste insgesamt 739 Brustkrebspatientinnen und 7.812 Kontrollpersonen. Das Krebsergebnis wurde beim zweiten Screening beurteilt, bei dem Frauen nach dem Zufallsprinzip einer digitalen Mammographie oder einer digitalen Brusttomosynthese (DBT) zugeteilt wurden. Das KI-basierte Risikomodell nutzte diese Mammographien, um vorherzusagen, bei welchen Frauen in zwei Jahren ein Brustkrebsrisiko bestand.

Im Vergleich zur ursprünglichen Bewertung des KI-basierten Risikomodells für die Brustkrebsvorsorge, bei der eine schwedische Kohorte verwendet wurde, wurde eine geringe Variabilität der diskriminierenden Leistungen zwischen Bevölkerungsgruppen verschiedener europäischer Länder beobachtet. Das Modell zeigte jedoch eine ähnliche Diskriminierung wie der vorherige Bericht. Frauen mit dichten und nicht dichten Brüsten zeigten eine ähnliche Risikostratifizierungsleistung.

Brustkrebs im fortgeschrittenen Stadium wurde am häufigsten bei Frauen mit hohem Risiko diagnostiziert, im Vergleich zu Frauen mit einem mäßigen Risiko, an Brustkrebs zu erkranken. Die aktuelle Studie deutete darauf hin, dass ein bildbasiertes KI-Risikomodell durch ethnische Unterschiede und Screening-Häufigkeiten beeinflusst werden könnte.

Es wurde festgestellt, dass Frauen mit nicht dichten Brüsten ein höheres Risiko haben, aggressivere Intervallkrebserkrankungen zu entwickeln. Im Gegensatz dazu könnte der Tumor bei Frauen mit dichten Brüsten durch dichtes Gewebe maskiert werden, was die Wahrscheinlichkeit erhöht, an Intervallkrebs und Brustkrebs im Spätstadium zu erkranken.

Radiologen stehen vor großen Herausforderungen im Zusammenhang mit der Maskierung von Tumoren durch dichtes Gewebe. Daher könnten Hochrisikofrauen mit dichten Brüsten nach einem negativen Screening positiv von sensibleren Untersuchungen profitieren. Dennoch ist ein kürzeres Screening-Intervall bei Hochrisikofrauen mit nicht dichter Brust aufgrund des erhöhten Risikos eines schnell wachsenden Tumors vorzuziehen.

Schlussfolgerungen

Die aktuelle Studie lieferte Einblicke in die Bedeutung der Durchführung zusätzlicher Tests über die Mammographiedichte hinaus, um Frauen zu identifizieren, die einem höheren Brustkrebsrisiko ausgesetzt sind, was die Screening-Ergebnisse positiv verbessern würde. Eine Kombination aus Dichte- und Risikobewertungsansätzen könnte in bevölkerungsbasierten Screening-Programmen für Brustkrebs wirksamer sein.