Weniger Workload durch KI-gestützte Mammographie-Befundung

×

Weniger Workload durch KI-gestützte Mammographie-Befundung

Die erste prospektive, randomisierte Studie zu KI-gestütztem Mammographie-Screening zeigt eine ähnliche Krebserkennungsrate für die Befundung durch erfahrene Radiolog:innen wie für die Befundung mit KI-Unterstützung. Gleichzeitig reduziert die KI die Zahl der zu befundenden Scans um 44,3 Prozent.

• Datum:

  10.10.2023 0 Kommentare
• Journal:

  Lancet Oncol 2023;24(8):936-44
• Titel:

  Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): a clinical safety analysis of a randomised, controlled, non-inferiority, single-blinded, screening acc
• Autor:

  Lang K et al.
  Zur Originalstudie

Hintergrund

Bis dato waren die Studien zur Künstlichen Intelligenz (KI) in der Mammographie-Befundung retrospektiv aufgesetzt. Die schwedische MASAI-Studie (Mammography Screening With Artificial Intelligence) ist die erste prospektive Studie, die den Einsatz der KI in einem Nationalen Brustkrebs-Screeningprogramm untersucht.

In einer ersten Zwischenanalyse haben die Autor:innen jetzt Daten zur klinischen Sicherheit der MASAI-Studie publiziert. Die Daten sind positiv und sind eine Voraussetzung für die Fortsetzung der Studie.

Primärer Endpunkt der MASAI-Studie ist die Verringerung von Intervallkarzinomen. Daten dazu werden erst in einigen Jahren erwartet.

Fazit

KI-gestütztes Brustkrebs-Screening führte mit 44,3% weniger zu befundenden Scans zu einer deutlichen Verringerung des Workloads für Radiolog:innen. Dies lag primär an der Reduktion von Doppelbefundungen. Die KI triagierte die Scans nach Risikowahrscheinlichkeit für Brustkrebs – nur die „Hochrisikoscans“ von zwei Radiolog:innen befundet; die verbliebenen Scans befundetet nur eine Radiolog:in.

Gleichzeitig war die Detektionsrate bei beiden Verfahren ähnlich – in der KI-Gruppe lag sie bei 6,1 pro 1000 Patientinnen, in der Kontrollgruppe bei 5,1. Der KI-Einsatz ergab keine Zunahme falsch-positiver Befunde.

Die Autoren ziehen daher den Schluss, dass die KI-Methode sicher sei. Sie betonen, außerdem, dass die finale Entscheidung immer bei den Radiolog:innen gelegen habe. Dies sei zudem „ein praktischer Ansatz, um medizinisch-rechtliche Anforderungen zu erfüllen“.

Methodik

• Randomisierte, parallele, einfach verblindete, kontrollierte, single-center Studie
• Studienzeitraum: April 2021-Juli 2022
• n=80.033 Frauen mit schwedischer Personen-Identitätsnummer an vier Standorten im Südwesten Schwedens
• Mittleres Alter = 54 Jahre
  • Kontrollgruppe: n=40.024. Befundung im Standard-Verfahren, d.h. durch Radiolog:innen mit mindestens zwei Jahren Erfahrung, bei unklaren oder Befunden und Verdacht auf Karzinom Doppel-Befundung.
  • Interventionsgruppe: n=39.996 Befundung mit KI-Unterstützung durch das Deep Learning System Transpara Version 1.7.0 (Screen Point Medical, Nijmegen)
• Funktionsweise des KI-Workflows:
  • Der KI-Algorithmus bewertet jede einzelne Mammographie anhand einer Risikoskala von 1 bis 10: Skalenwerte von 1 bis 7 entsprechen einem geringen Risiko für ein Mammakarzinom, 8 und 9 gilt als mittleres und 10 als hohes Risiko.
  • Bei Werten von 1 bis 9 wird durch eine Radiolog:in befundet, nur beim Skalenwert 10 kommt es zur Doppel-Befundung.
  • Bei Scans mit Risiko-Skalenwerten 8, 9 oder 10 markiert die KI zudem verdächtige Regionen (Kalzfizierungen und Weichteilläsionen). Jede dieser Regionen versieht sie mit einem regionalen Risikoscore zwischen 1 bis 98.

Ergebnisse

• Gesamtzahl detektierter Mammakarzinome
  • KI-Gruppe: 244 Mammakarzinome – 184 (75%) invasive Karzinome, 60 (25%) Carcinomata in situ
  • Kontrollgruppe: 203 Mammakarzinome – 165 (81%) invasive Karzinome, 38 (19%) Carcinomata in situ
• Detektionsrate
  • KI-Gruppe: 6,1 Mammakarzinome pro 1000 Patientinnen
  • Kontrollgruppe: 5,1 Mammakarzinome pro 1000 Patientinnen

Als für klinische Sicherheit mindestens zu erreichende Detektionsrate wurde die Erkennung von mindestens 3 Karzinomen pro 1000 Patientinnen definiert.

• Gesamtzahl Befundungen durch Radiolog:in
  • KI-Gruppe: 46.345 Befundungen
  • Kontrollgruppe: 83.231 Befundungen

Dies entspricht einer Reduzierung des Workloads um 44,3%.
Die Autor:innen haben die Anzahl der Befundungen, nicht aber die Befundungszeit gemessen.

• Gesamtzahl Wiedereinbestellung und Wiedereinbestellungsrate
  • KI-Gruppe: 861 Mammakarzinome (2,2%)
  • Kontrollgruppe: 817 Mammakarzinome (2,0%)
• Rate falsch-positiver Befunde
  • KI-Gruppe: 1,5%
  • Kontrollgruppe: 1,5%
• Positiver Vorhersagewert (PPV)
  • KI-Gruppe: 28,3%
  • Kontrollgruppe: 24,8%

kf/ktg
10.10.2023