In der Brustkrebsdiagnostik stellt die Unterscheidung zwischen verdächtigen Befunden und solchen, die einer weiteren Abklärung bedürfen, nach wie vor eine Herausforderung dar. Dichtes Brustgewebe kann die Erkennung von Auffälligkeiten erschweren, während verschiedene bildgebende Verfahren sich ergänzende Informationen liefern.
Forschende des Sun Yat-sen Memorial Hospital, der Sun Yat-sen-Universität und kooperierender Einrichtungen entwickelten ein KI-Modell, das Ultraschall und digitale Brusttomosynthese (DBT) kombiniert, um die Brustkrebs-Risikobewertung zu unterstützen.
Das Modell erreichte in einer unabhängigen, pathologisch bestätigten Kohorte von 500 Brüsten eine Spezifität von 95,5 Prozent und eine Sensitivität von 85 Prozent. Durch die Kombination ergänzender Informationen aus beiden Bildgebungsverfahren könnte das Modell Radiologinnen und Radiologen bei der Beurteilung verdächtiger oder nicht eindeutiger Befunde zusätzlich unterstützen.
Die verbesserte Spezifität des Modells könnte auch dabei helfen, Befunde, die eine weitere Abklärung erfordern, von solchen zu unterscheiden, die möglicherweise nicht das gleiche Maß an Nachsorge erfordern.
Die Forschenden betonen jedoch, dass das Modell dazu gedacht ist, die Beurteilungen der radiologischen Fachkräfte zu ergänzen. Vor der klinischen Einführung ist noch eine prospektive multizentrische Validierung erforderlich.