Journal Onkologie

Mammografie

Das Wissen um pathogene Keimbahnvarianten in Risikogenen wird für risikoadaptierte Betreuung und präzisionsonkologische Ansätze immer relevanter. Etwa ein Drittel aller Mammakarzinom-Patientinnen weist eine familiäre Belastung für Brustkrebs auf [1]. 5-10% der Fälle sind auf eine pathogene genetische Keimbahnvariante zurückzuführen, was in Deutschland jährlich 3.500-7.000 neu diagnostizierte Patientinnen betrifft [2, 3]. Ratsuchende aus belasteten Familien sowie Patientinnen mit Brust- oder Eierstockkrebs profitieren von individualisierter Beratung und genetischer Untersuchung. Ziel ist es, Risiken verständlich zu vermitteln, damit Betroffene informierte Entscheidungen treffen können. 2013 hat die Schauspielerin Angelina Jolie ihre pathogene Keimbahnveränderung in BRCA1 öffentlich gemacht [4]. Auch angesichts dessen ist evidenzbasierte Aufklärung essenziell, um irreführende oder unvollständige Informationen aus der Laienpresse durch wissenschaftlich gesicherte Fakten zu ersetzen.
Lesen Sie mehr 
Mammakarzinom
Mammographie-Bilder auf Computerbildschirmen

KI-unterstütze Befundung des Mammographie-Screenings in Deutschland

In der Real-world-Analyse der deutschen PRAIM-Studienkohorte war die durch Künstliche Intelligenz (KI) gestützte Doppelbefundung des Mammographie-Screening-Programms (MSP) der Standard-Befundung ohne KI überlegen: Mit Hilfe der KI konnte 1 Brustkrebserkrankung pro 1.000 untersuchten Frauen mehr nachgewiesen werden und die Rate an falsch-positiven Befunden verringerte sich. Zudem könnte die KI den Arbeitsalltag von Radiolog:innen erleichtern.
Lesen Sie mehr 
Medizin

Mammographie-Screening: Künstliche Intelligenz verbessert Brustkrebserkennung

In der weltweit größten prospektiven Studie zum Einsatz von Künstlicher Intelligenz (KI) im deutschen Mammographie-Screening-Programm (MSP) konnte die Entdeckungsrate für Brustkrebs um fast 18% gesteigert werden – ohne dass es vermehrt zu falschem Alarm oder unnötigen Zusatzuntersuchungen kommt. Die Studie, durchgeführt von der Universität zu Lübeck und dem Universitätsklinikum Schleswig-Holstein (UKSH) zeigt zudem, dass KI die Arbeitslast von Radiolog:innen ohne Qualitätsverlust reduzieren kann (1).
Lesen Sie mehr