Wie weit wird KI die Brustkrebsvorsorge verändern? – Der Beginn einer neuen Ära zur Reduzierung von „Übersehenen Fällen“

Brustkrebs ist nach wie vor eine der am häufigsten diagnostizierten Krebserkrankungen bei Frauen weltweit. Laut der WHO wurden im Jahr 2022 weltweit etwa 2,3 Millionen Frauen mit Brustkrebs diagnostiziert, und etwa 670.000 starben daran. Zudem haben etwa die Hälfte der Patientinnen keine klaren Risikofaktoren außer Geschlecht und Alter. Das bedeutet, dass auch Personen ohne familiäre Vorbelastung oder signifikante Probleme im Lebensstil an dieser Krankheit erkranken können. Daher bleibt die Verbesserung der Genauigkeit der Früherkennung eine große Herausforderung für die Gesundheitssysteme weltweit.

In Bezug auf diese Herausforderung entwickelt sich die KI von einem „Werkzeug zur Erkennung von Anomalien“ zu einem „Werkzeug zur Vorhersage zukünftiger Risiken“. Besonders beachtet wird derzeit die in Australien entwickelte Brustkrebs-Screening-KI „BRAIx“. Laut öffentlichen Berichten und Veröffentlichungen von Forschungseinrichtungen berechnet diese KI basierend auf Mammographie-Bildern einen Risikoscore von 0 bis 99,9 und prognostiziert die Wahrscheinlichkeit, dass eine Frau in den nächsten vier Jahren an Brustkrebs erkrankt. In Studien wurde festgestellt, dass etwa 10 % der Frauen, die zu den oberen 2 % der Hochrisikogruppe gehörten, innerhalb von vier Jahren nach der Untersuchung mit Brustkrebs diagnostiziert wurden, obwohl sie zunächst als „unauffällig“ eingestuft wurden. Diese Vorhersage zeigte zudem eine höhere Leistung als herkömmliche Indikatoren wie Alter, Familiengeschichte und Brustdichte.

Wichtig ist hier, dass die KI nicht nur „tumorähnliche Schatten“ erkennt. Die herkömmliche Bildauswertung konzentrierte sich darauf, ob auf den aktuellen Bildern eindeutige Anomalien zu sehen sind. BRAIx hingegen versucht, feine Muster zu erkennen, die für das menschliche Auge unsichtbar sind, und bewertet auch die „Möglichkeit des zukünftigen Auftretens von Krebs“. Das Forschungsteam erklärt, dass die KI Informationen auf Pixelebene verarbeitet und somit auch in schwer zu unterscheidenden Fällen wie bei dichtem Brustgewebe wirksam sein kann. Bei hoher Brustdichte erscheinen sowohl das Brustgewebe als auch Tumore weißlich, was bei herkömmlichen Mammographien leicht zu übersehen ist. Hier setzt die KI an, um neue Hilfslinien zu ziehen.

Dieser Trend ist kein isoliertes Thema. In einer groß angelegten Implementierungsstudie in Deutschland wurde berichtet, dass die KI-unterstützte Doppelbefundung die Brustkrebs-Erkennungsrate um 17,6 % erhöhte, ohne die Rückrufrate zu verschlechtern. In einem anderen Bericht wurde eine Studie erwähnt, die zeigte, dass der Einsatz von KI den Anteil der später entdeckten „Intervallkrebserkrankungen“ verringern könnte. Das bedeutet, dass KI nicht nur eine theoretische Zukunftstechnologie ist, sondern bereits als „praktisches Werkzeug zur Verbesserung der Screening-Genauigkeit“ bewertet wird.

Gleichzeitig gibt es auch Grenzen im Screening-System selbst, die die Aufmerksamkeit auf die KI lenken. In Australien hat BreastScreen Australia über viele Jahre zur Senkung der Brustkrebssterblichkeit beigetragen, aber die Teilnahmequote ist nach wie vor nicht ausreichend hoch. Zudem basiert das System auf einem „einheitlichen Intervall“ für bestimmte Altersgruppen, und es gibt keine weit verbreiteten Mechanismen, um die Screening-Häufigkeit flexibel an das individuelle zukünftige Risiko anzupassen. Forscher und Experten betonen, dass der Einsatz von KI die Möglichkeit bietet, zu einem individualisierten Screening überzugehen, bei dem „Hochrisikopersonen häufiger“ und „Niedrigrisikopersonen mit weniger Belastung“ untersucht werden können.

Diese „Individualisierung“ ist nicht nur praktisch für die Patienten. Wenn weniger Hochrisikopersonen übersehen werden, kann die Behandlung früher beginnen. Umgekehrt können unnötige zusätzliche Untersuchungen bei Niedrigrisikopersonen vermieden werden, was psychologische Belastungen und medizinische Kosten reduziert. Der wahre Wert der KI-Forschung liegt nicht darin, Ärzte zu ersetzen, sondern darin, sichtbar zu machen, wo begrenzte medizinische Ressourcen prioritär eingesetzt werden sollten. Während die Nachfrage nach bildgebender Diagnostik aufgrund der Alterung der Bevölkerung steigt, nimmt die Belastung der Radiologen weltweit zu. KI wird nicht als „magische Lösung für den Fachkräftemangel“ angesehen, sondern als „Hilfsmittel, um die Aufmerksamkeit der Experten auf wichtigere Bereiche zu lenken“.

Tatsächlich ist die Stimmung auf öffentlichen sozialen Netzwerken positiv. Auf LinkedIn gibt es zahlreiche positive Kommentare zu Beiträgen von Organisationen und Forschern, die sich mit Krebsforschung und medizinischen Innovationen befassen, wie „wichtige Arbeit“, „großer Fortschritt“ und „sollte im Gesundheitswesen implementiert werden“. Auf den Beitrag der VCCC Alliance folgten mehrere lobende Kommentare, und auch Forscher und medizinisches Fachpersonal reagierten mit „großen Auswirkungen“. In Beiträgen im Zusammenhang mit AIML wird oft betont, dass „KI nicht die Ärzte ersetzt, sondern als zweites Auge fungiert“. Die Begeisterung auf sozialen Netzwerken zeigt, dass dieses Thema nicht nur als technologische Nachricht, sondern als dringendes Anliegen im Gesundheitswesen wahrgenommen wird.

Allerdings sind die Reaktionen nicht nur uneingeschränkt positiv. In Expertenkommentaren und verwandten Berichten wird eine vorsichtige Haltung beibehalten, die besagt, dass „obwohl vielversprechend, weitere Validierungen erforderlich sind, bevor es in die tägliche Praxis integriert wird“. In einer von Science Media Centre in Spanien vorgestellten Expertenmeinung wird darauf hingewiesen, dass die Studie zwar groß angelegt und methodisch stark ist, der Vergleich mit BRCA-Mutationsträgern jedoch als „Risiko über einen Zeitraum von vier Jahren“ gelesen werden sollte und nicht mit dem lebenslangen Risiko gleichgesetzt werden darf. In einem anderen Bericht wird darauf hingewiesen, dass die Verallgemeinerung von Ergebnissen aus einzelnen Einrichtungen oder spezifischen Gruppen mit Vorsicht zu genießen ist. Auch wenn die KI hochpräzise ist, bedeutet das nicht, dass sie in allen Regionen, für alle Ethnien und in allen Systemen gleichermaßen funktioniert.

Nicht zu vergessen ist, dass KI nicht die „endgültige Verantwortung für die Diagnose“ übernimmt. In einem Bericht von ABC betonen die Forscher, dass eine abschließende Überwachung durch menschliche Radiologen erforderlich ist. Tatsächlich können der Gesundheitszustand des Patienten, die Krankengeschichte, die Ergebnisse der Tastuntersuchung, die Ängste des Patienten, die Entscheidung über zusätzliche Tests und die Verbindung zur Behandlung nicht allein durch Bilder abgeschlossen werden. In letzter Zeit gibt es auch Warnungen vor einer übermäßigen Abhängigkeit von KI bei medizinischen Beratungen, und bei Krankheiten wie Brustkrebs, bei denen Verzögerungen tödlich sein können, ist besondere Vorsicht bei der Nutzung von KI zur Unterstützung der Selbstdiagnose geboten. KI ist intelligent, aber es sind immer noch Menschen, die die Patienten behandeln. Dieses grundlegende Prinzip bleibt auch bei fortschreitender Technologie unverändert.

Dennoch ist die Bedeutung der in dieser Studie gezeigten Ergebnisse groß. Brustkrebs-Screenings wurden lange Zeit nach dem Prinzip „ab einem bestimmten Alter in regelmäßigen Abständen“ durchgeführt. In Zukunft könnte jedoch die Idee vorherrschen, dass „selbst bei 50-Jährigen nicht alle mit der gleichen Häufigkeit untersucht werden sollten“ und dass „bei 40-Jährigen mit hohem Risiko früher eingegriffen werden sollte“. Das Forschungsteam plant, in Zukunft ein Screening-System zu entwickeln, das nicht nur auf Alterskriterien, sondern auch auf individuellen Risiken basiert. Wenn diese Implementierung voranschreitet, könnte sich das Brustkrebs-Screening von einem „altersbasierten System“ zu einem „an Bildern und Daten angepassten System für jeden Einzelnen“ entwickeln.

Das wirklich Beängstigende in der Brustkrebsmedizin ist nicht nur die sichtbare Anomalie selbst. Es ist die Zeitspanne, in der der Krebs fortschreitet, nachdem bei einer Untersuchung gesagt wurde, dass „alles in Ordnung“ ist. Genau diese Lücke versucht die KI zu schließen. Auch wenn es schwierig ist, alle Übersehungen zu eliminieren, kann das frühzeitige Erkennen von Risiken, die zu Übersehungen führen, dazu beitragen, schneller die nächsten Schritte einzuleiten. In diesem Sinne zeigt die KI endlich ihr wahres Potenzial, nicht als „Maschine zur Erkennung von Krebs“, sondern als „Vorhersagegerät zur Reduzierung von Verspätungen“.

Quellen-URL

https://www.theage.com.au/lifestyle/health-and-wellness/artificial-intelligence-revolutionising-breast-cancer-research-20260307-p5o8cx.html

・Verwandte Berichterstattung zum gleichen Thema (Überblick über BRAIx, Risikoabschätzung innerhalb von vier Jahren, Ergebnisse der oberen 2 %, Kommentare von Forschern)
https://www.abc.net.au/news/2026-03-04/artificial-intelligence-breast-cancer-risk-mammogram/106411246

・Online-Vorabveröffentlichung in wissenschaftlichen Zeitschriften (Titel des Artikels, Veröffentlichungsdatum, formale Einordnung der Studie)
https://www.thelancet.com/journals/landig/onlinefirst

・Veröffentlichung durch Forschungseinrichtungen (Hintergrund zur Entwicklung von BRAIx, etwa 400.000 Lernende, etwa 96.000 Validierungen, externe Bestätigung in Schweden, Konzept des individualisierten Screenings)
https://www.svi.edu.au/news-events/ai-based-tool-estimates-breast-cancer-risk-within-next-four-years/

・Zusammenfassung wissenschaftlicher Informationen für die Medien (Kernaussagen der Studie, 9,7 % Risiko der oberen 2 % innerhalb von vier Jahren, Notwendigkeit weiterer Forschung vor der Routineversorgung)
https://www.scimex.org/newsfeed/ai-could-help-preduct-your-risk-of-breast-cancer-in-the-next-4-years

・WHO-Faktenblatt zu Brustkrebs (Anzahl der Patienten und Todesfälle weltweit, Risikofaktoren, Bedeutung der Früherkennung)
https://www.who.int/news-room/fact-sheets/detail/breast-cancer

・Groß angelegte Implementierungsstudie in Deutschland (Beispiel, bei dem die KI-unterstützte Bildauswertung die Erkennungsrate erhöhte, ohne die Rückrufrate zu verschlechtern)
https://www.nature.com/articles/s41591-024-03408-6

・Berichterstattung zur Ergänzung der vorsichtigen Haltung gegenüber der Einführung von KI (Möglichkeit der Reduzierung späterer Entdeckungen durch KI-Unterstützung, jedoch Bedarf an weiterer Validierung)
https://www.theguardian.com/science/2026/jan/29/ai-use-in-breast-cancer-screening-cuts-rate-of-later-diagnosis-by-12-study-finds

・Grundlegende Informationen zum australischen Screening-System (Beschreibung von BreastScreen Australia, Konzept der Zielaltersgruppe)
https://www.aihw.gov.au/reports/cancer-screening/breastscreen-australia-monitoring-report-2025/contents/breast-cancer/breast-cancer-screening

・Bestätigungsquelle für Reaktionen auf öffentlichen sozialen Netzwerken 1 (LinkedIn-Beitrag und Kommentare der VCCC Alliance)
https://www.linkedin.com/posts/vcccalliance_an-artificial-intelligence-tool-to-predict-activity-7435097386366054400-xWmT

・Bestätigungsquelle für Reaktionen auf öffentlichen sozialen Netzwerken 2 (AIML/Verwandte Beiträge. Kontext, in dem KI als „zweites Auge“ betrachtet wird)
https://www.linkedin.com/posts/jonathangovette_sweden-just-proved-ai-can-catch-29-more-activity-7426652456484397056-ceWM

・Bestätigungsquelle für Reaktionen auf öffentlichen sozialen Netzwerken 3 (LinkedIn-Beitrag zur Vorstellung der Forschung)
https://www.linkedin.com/posts/professor-gerald-lip-633a5556_ai-based-braix-risk-score-for-the-intermediate-term-activity-7435008570406117376-ypfK