Wie kann die Sensitivität durch KI-unterstütze Studienselektion im Mammographie-Screening-Programm erhöht werden?

Zielsetzung Nicht detektierte Karzinome können übersehen oder fehlinterpretiert sein. Durch eine Mehrfachbefundung erhöht sich die Detektionsrate, weshalb die Doppelbefundung im Mammographie-Screening-Programm verpflichtend ist. Untersucht wurde, welchen Einfluss eine systematische Dreifachbefundung auf die Detektionsrate hat und ob es möglich ist, mittels KI Aufnahmen zu selektieren, die einer Dreifachbefundung bedürfen.

Material Pseudonymisierte Screening-Mammographie-Aufnahmen von 110 dreifachbefundeten, histologisch gesicherten Brustkrebsfällen. Die Doppelbefundung fand durch 4 verschiedene Befunder statt, die Drittbefundung wurde durchgängig von einem Befunder durchgeführt.

Methoden Die KI-Software (Transpara™1.5.0, ScreenPoint Medical BV, Nijmegen, Niederlande) ordnet jeder Studie einen Punktwert von 1 bis 10 zu, wobei 10 der höchsten Wahrscheinlichkeit für eine bösartige Gewebeveränderung entspricht. In einem Screeningkollektiv wird jeder Kategorie etwa 10 % der unauffälligen Studien zugeordnet (Herstellerkalibrierung). Verglichen wurden die Richtig Positiven und die Falsch Negativen der regulären Doppelbefundung und der ergänzenden Dreifachbefundung mit den Transparaergebnissen.

Ergebnisse Durch die Doppelbefundungen wären 103 Karzinome (93,6 %) diagnostiziert worden, durch die Dreifachbefundung wurden 7 (6,4 %) zusätzliche Karzinome detektiert. 3 der 7 Fälle hatten einen niedrigen Transparawert (1, 3, 4) und 4 Fälle hatten einen hohen Wert (7, 8, 8, 10).

Hätte man alle Fälle detektieren wollen, so hätte der Drittbefunder alle Studien, ungeachtet des Transparawerte befunden müssen. Mit einem Arbeitsaufkommen von ca. 40 % für den Drittbefunder (Transparawert ≥7), hätte man im Vergleich zur Doppelbefundung 4 zusätzliche Karzinome gefunden (Sensitivitätseinbußen von 3 Fällen/2,9 %).

Zusammenfassung Durch die Drittbefundung wurden Fälle mit niedrigem und mit hohem Transparawert diagnostiziert. Eine Selektion von Studien ohne Reduzierung der Sensitivität wäre in dem vorliegenden Datensatz daher nicht möglich.

https://www.abstractserver.com/seno2020/uploads/86-COI-1581664301.pdf

Publication History

Article published online:
24 June 2020