Künstliche Intelligenz zur Frühdiagnostik von Brustkrebs: Studie bestätigt detektierbare Bildsignale bis zu sechs Jahre vor Diagnose Eine in Radiology veröffentlichte retrospektive Studie aus Schweden belegt, dass drei kommerziell verfügbare KI-Systeme für die computergestützte Detektion bereits bis zu sechs Jahre vor einer klinischen Brustkrebsdiagnose frühzeitige bildgebende Veränderungen in Mammographien identifizieren können. Die Forschung wird vom Senior-Autor Dr. Fredrik Strand vom Karolinska Universitätsspital in Stockholm geleitet. Für die Analyse kamen Daten der schwedischen Validierungsdatenbank VAI-B zum Einsatz. Das Forschungsteam untersuchte 88.963 Mammographien von 31.394 Frauen, die im Zeitraum von 2008 bis 2019 im nationalen Screening-Programm teilnahmen. Innerhalb dieses Zeitraums wurden bei 12.072 Teilnehmerinnen Krebsfälle registriert. Die KI-Systeme wurden retrospektiv auf die historischen Bilddaten angewendet und mit den traditionellen zweifachen radiologischen Auswertungen verglichen. Die Ergebnisse zeigen, dass die KI-Algorithmen ein hohes spezifisches Erkennungspotenzial aufweisen. Bei einer Spezifität von 90 Prozent konnten die Systeme 19,7 Prozent der später diagnostizierten Fälle bereits sechs Jahre vor dem tatsächlichen Diagnosezeitpunkt als erhöhtes Risiko einstufen. Die Trefferquote steigt bei kürzeren Vorlaufzeiten deutlich an: Vier Jahre vor Diagnose erreichte die KI 25,2 Prozent der Fälle und zwei Jahre vor Diagnose sogar 39,3 Prozent. Damit identifiziert die KI in einem signifikanten Anteil der Probanden Krankheitsanzeichen deutlich früher als menschliche Radiologen. Experten stufen die Studie als wichtigen Baustein für die Weiterentwicklung der Brustkrebsvorsorge ein. Die kontinuierliche Auswertung von KI-Scores über mehrere Screenings hinweg ermöglicht es, individuelle Risikoprofile zu erstellen und Screening-Intervalle bedarfsgerecht anzupassen. Frauen mit fortschreitend steigenden KI-Werten könnten so früher und gezielter nachuntersucht werden. Dies könnte die Diagnosestellung in einem früheren Stadium erleichtern und die Prognose nachhaltig verbessern. Die Forschung unterstreicht das Transformationspotenzial künstlicher Intelligenz in der Radiologie. Während die Technologie menschliche Expertise nicht ersetzt, etabliert sie sich zunehmend als präzises Frühwarnsystem. Künftige Studien sollen klären, wie sich die Integration dieser Score-Verläufe optimal in klinische Workflows einbetten lässt, um die diagnostische Sicherheit zu maximieren und gleichzeitig die Überdiagnostik zu minimieren.