Ein Forscherteam aus Israel hat ein auf Künstlicher Intelligenz (Deep Learning) beruhendes Modell vorgestellt, das aus bestehenden Mammografie-Aufnahmen Hinweise auf das Vorliegen von Herz-Kreislauf-Erkrankungen liefern kann. Die Ergebnisse wurden beim Europäischen Kardiologenkongress (ESC) in München präsentiert und könnten für Österreich von Bedeutung sein, wo jährlich mehr als 800.000 Mammografien zur Brustkrebsfrüherkennung durchgeführt werden.
Studienaufbau und Befunde
Die Forscherinnen und Forscher analysierten Daten von insgesamt 29.921 Frauen, die zusammen 97.364 Mammografie-Untersuchungen hatten. Das mittlere Alter der Frauen lag bei 54 Jahren. Ergänzende klinische Informationen über Bluthochdruck, ischämische Herzkrankheit (koronare Herzkrankheit) und Schlaganfall stammten aus elektronischen Patientenakten, Medikamentendaten sowie bildgebenden und weiteren klinischen Befunden.
In der untersuchten Kohorte hatten 16 % der Frauen eine Hypertonie, jeweils 2,5 % eine diagnostizierte koronare Herzkrankheit oder eine zuvor erlittene Schlaganfall-Erkrankung. Mit Hilfe eines Deep‑Learning‑Modells wurden Merkmale aus den Mammografien so trainiert, dass das System Frauen mit den genannten Diagnosen identifizieren kann. Zur Beurteilung der Leistungsfähigkeit nutzten die Forschenden AUROC‑Kurven.
„Obwohl Herz-Kreislauf-Erkrankungen weltweit die häufigste Todesursache bei Frauen sind, werden Frauen bezüglich dieser Krankheiten ständig unterdiagnostiziert und unterbehandelt … Wir untersuchten, ob die Mammografie mit der Hilfe Künstlicher Intelligenz in dieser Gruppe einen weiteren Zweck erfüllen könnte - die frühzeitige Erkennung von Herz-Kreislauf-Erkrankungen. Das könnte präventive Strategien ermöglichen“, sagte Viana Copeland vom Chaim Sheba Medical Center in Tel Aviv.
Bedeutung für Prävention und Versorgung
Das vorgeschlagene Vorgehen nutzt bereits vorhandene Aufnahmen, ohne dass zusätzliche Untersuchungen notwendig wären. Damit bietet sich die Möglichkeit, Frauen bei routinemäßigen Brustkrebs-Screenings zugleich auf kardiovaskuläre Risiken hinzuweisen. In der Praxis könnte dies bedeuten, dass Frauen mit auffälligen KI‑Befunden an Hausärztinnen, Fachärzte oder kardiologische Abklärungen überwiesen werden — vorausgesetzt, Bewertung und Validierung in anderen Populationen bestätigen die Befunde.
- Größenvorteil: Auswertung existierender Mammografien ohne zusätzliche Strahlenexposition.
- Präventives Potenzial: Früherkennung von Bluthochdruck, koronarer Herzkrankheit und Schlaganfall möglich.
- Implementierungshürden: Externe Validierung, regulatorische Bewertung und Integrationsaufwand in Praxisabläufe sind noch zu klären.
Limitationen und offene Fragen
Die Studie liefert einen vielversprechenden ersten Nachweis, ersetzt aber keine klinische Diagnostik. Es bleibt unklar, wie robust die KI über unterschiedliche Mammografie-Geräte, Bildqualitäten und Bevölkerungsgruppen hinweg arbeitet. Außerdem muss geprüft werden, wie oft die KI falsch positive oder falsch negative Ergebnisse liefert und welche Folgen Fehlinformationen für Betroffene und das Gesundheitssystem hätten.
Weitere Punkte, die geklärt werden müssen, sind die datenschutzrechtliche Handhabung, Zustimmung der Patientinnen zur Auswertung zu kardiovaskulären Zwecken sowie die Kosten-Nutzen‑Bilanz einer flächendeckenden Einführung.
| Parameter | Wert |
|---|---|
| Untersuchte Frauen | 29.921 |
| Mammografien insgesamt | 97.364 |
| Mittleres Alter | 54 Jahre |
| Hypertonie | 16 % |
| Koronare Herzkrankheit | 2,5 % |
| Schlaganfall | 2,5 % |
Ausblick für Österreich
Für Österreich ist die Studie relevant, weil Mammografie-Screenings weit verbreitet sind. Gelingt eine verlässliche externe Validierung, könnte ein KI‑gestützter Zusatznutzen helfen, kardiovaskuläre Erkrankungen früher zu erkennen — insbesondere bei Frauen, die sonst seltener kardiologische Check-ups wahrnehmen. Entscheidend bleibt jedoch die Abwägung zwischen potenziellen Vorteilen (frühere Prävention) und Risiken (Fehldiagnosen, organisatorische Belastung von Spitälern und Praxen).
Die nächsten Schritte sollten unabhängige Validierungsstudien in verschiedenen Populationen, eine Prüfung der klinischen Relevanz der Befunde im Alltag sowie die Entwicklung praxisnaher Handlungsalgorithmen sein. Nur so lässt sich beurteilen, ob die Ergänzung der Mammografie durch KI zu einer nachhaltigen Verbesserung der Frauengesundheit beitragen kann.
Die Darstellung beruht auf der am ESC vorgestellten Analyse des Chaim Sheba Medical Center. Aussagen zur Leistungsfähigkeit der KI und zu Implementationsfragen sind vorbehaltlich weiterer Studien.
