KI-Modell nutzt mehrere 3-D-Mammografien zur Fünf-Jahres-Risikoabschätzung
New York – Ein Deep-Learning-Modell, das mehrere aufeinanderfolgende 3-D-Mammografien einer Frau auswertet, hat in einer Studie das Fünf-Jahres-Brustkrebsrisiko etwas genauer eingestuft als Modelle mit nur einer aktuellen 3-D-Aufnahme oder mit 2-D-Mammografie. Die Arbeit von NYU Langone Health und Perlmutter Cancer Center erschien online am 12. August im „American Journal of Roentgenology“ (DOI: 10.2214/AJR.26.34951). Das Werkzeug heißt NYU-DRP und basiert auf longitudinaler digitaler Brusttomosynthese (DBT). NYU-DRP ordnete Frauen mit höherem Risiko in 72 Prozent der Fälle korrekt ein. Ein Modell mit nur einer DBT-Aufnahme kam auf 70 Prozent, ein KI-gestütztes 2-D-Modell auf 68 Prozent. Trainiert wurde das System an 313.531 jährlichen 3-D-Aufnahmen von 161.165 Frauen ohne Brustkrebs, untersucht 2016 bis 2020 an NYU-Langone-Häusern. Weniger als drei Prozent der im bis 2025 nachbeobachteten Kollektiv erkrankten. Gegenüber dem etablierten Tyrer-Cuzick-Score, der ohne KI und ohne Bild auf Alter, Familie, Genetik, Dichte und Biopsien…


