Inhaltsverzeichnis
Brustkrebs bleibt weltweit die tödlichste Krebserkrankung bei Frauen, obwohl etablierte Screeningprogramme die Brustkrebssterblichkeit um 20 bis 40 % senken konnten.1 Entscheidend für den Überlebensvorteil ist die frühzeitige Erkennung, insbesondere bevor Tumoren metastasieren.1 Herkömmliche Risikobewertungen erfassen die individuelle Gefährdung oft nicht ausreichend – hier setzen innovative, risikobasierte MRT-Strategien mit KI an, die eine präzisere und personalisierte Früherkennung ermöglichen. Prof. Ritse Mann gab in seinem Vortrag auf dem ESMO 2025 Einblicke in die Ergebnisse aktueller Studien.1
„Neue Biomarker werden in allen frühen Brustkrebs-Subtypen benötigt, um die Behandlungsergebnisse durch personalisierte Therapie zu maximieren und unnötige Toxizität gezielt zu vermeiden."
Francesco Schettini, Barcelona, Spanien
Screening stößt bei dichter Brust an Grenzen
Bei Frauen mit sehr dichtem Brustgewebe werden Tumoren häufig erst in fortgeschrittenen Stadien diagnostiziert, da sie in der Standard-Mammographie übersehen werden. Die DENSEa-Studie des Nijmegen-Screeningprogramms (Niederlande, 1975–2008, Frauen im Alter von 50 bis 74 Jahren) zeigte:2
- Sensitivität der Standard-Mammografie: 75,7 % bei Frauen mit fettreichem Brustgewebe vs. 57,8 % bei Frauen mit dichtem Brustgewebe.
- Mortalitätsreduktion: OR 0,59 (95 % KI 0,44–0,79) bei Frauen mit fettreichen Brüsten vs. 0,87 (95 % KI 0,52–1,45) bei Frauen mit dichtem Brustgewebe.
Ergänzendes MRT verbessert die Krebsfrüherkennung
Anschließend wurden Frauen mit dichtem Brustgewebe und unauffälligem Mammographie-Befund einer von zwei Gruppen zugeteilt:3
- zusätzliche MRT-Untersuchung
- ausschließlich Mammographie-Screening
Innerhalb eines 2-jährigen Screening-Zeitraums zeigte sich, dass das ergänzende MRT bei den Frauen, die die Einladung angenommen hatten (59 %), zu einer signifikant geringeren Zahl an Intervallkarzinomen führte als die alleinige Mammographie:3
- Rate an Intervallkarzinomen: 2,5/1000 Screenings (MRT-Eingeladene) vs. 5,0/1000 Screenings (Mammographie) (95%-KI 1,0–3,7; p < 0,001).
- Krebsnachweisrate bei MRT-Teilnehmerinnen: 16,5/1000 Screenings (95%-KI 13,3–20,5).
- Positiv-prädiktive Wertigkeit: 17,4 % (95%-KI 14,2–21,2) für Rückrufe zur Zusatzdiagnostik bzw. 26,3 % (95%-KI 21,7–31,6) für Biopsien.
- Falsch-Positiv-Rate: 79,8 pro 1000 Screenings.
Diagnostische Genauigkeit verkürzter MRT-Protokolle
Da ergänzende MRT die Früherkennung bei dichtem Brustgewebe verbessert, wurde in der DENSE-Studie untersucht, ob verkürzte MRT-Protokolle (AB-MRT) die gleiche diagnostische Genauigkeit wie das vollständige Protokoll (FP-MRT) liefern, dabei jedoch Zeit und Ressourcen sparen.4 Die Ergebnisse von 518 MRT-Erstuntersuchungen zeigten eine vergleichbare diagnostische Genauigkeit zwischen AB-MRT und FP-MRT bei deutlich kürzerer Befundungszeit:4
- Sensitivität: AB-MRT 84,3 % vs. FP-MRT 85,9 % (p = 0,68)
- Spezifität: AB-MRT 73,9 % vs. FP-MRT 75,8 % (p = 0,39)
- Lesezeit: AB-MRT 49,7 s vs. FP-MRT 96,4 s
Ergänzende Bildgebungsverfahren im Vergleich
Auch in der randomisierten BRAIDb-Studie in Großbritannien wurde untersucht, ob ergänzende bildgebende Verfahren die Früherkennung von Brustkrebs verbessern, insbesondere bei Frauen mit dichtem Brustgewebe.5
Es zeigte sich, dass ergänzende Bildgebung, insbesondere AB-MRT und kontrastverstärkte Mammographie (Contrast-Enhanced Mammography, CEM), bei Frauen mit dichter Brust zu einer früheren Krebsentdeckung führen kann (Tab. 1).5
Tab. 1: Odds Ratios (OR) und 95%-Konfidenzintervalle (KI) für Recall-Raten und Brustkrebsdetektionsraten, basierend auf einer Netzwerk-Metaanalyse zum Vergleich der Standardversorgung mit den 3 ergänzenden Bildgebungsverfahren.5 FFDM: Full-Field Digital Mammography; ABUS: Automated Breast Ultrasound; AB-MRT: Abbreviated Breast MRI; CEM: Contrast-Enhanced Mammography.
KI-gestützte Auswahl für ergänzende MRT
Inwieweit eine KI-gestützte Risikostratifizierung die gezielte Auswahl von Hochrisikopatientinnen für eine ergänzenden MRT-Untersuchung verbessern kann, wurde in der randomisierten schwedischen Studie ScreenTrustMRIc untersucht.6 Im Vergleich zur herkömmlichen Brustdichte-Messung zeigte die KI-gestützte Risikostratifizierung eine fast 4 × höhere Effizienz:6
- Selektivität: Nur 6,9 % Hochrisikopatientinnen erhielten Zusatz-MRT.
- Effizienz: 64 (KI) vs. 16,5 (Brustdichte-Messung) Tumore pro 1.000 MRTs.
- Tumorcharakter: invasiv, teils multifokal.
- Kosten: Kosten pro entdeckten Tumor vergleichbar (KI vs. Brustdichte-Messung).
Fazit
Eine maßgebliche Herausforderung in der Brustbildgebung besteht darin, das individuelle Risiko über verschiedene Patientinnenpopulationen zuverlässig einzuschätzen. Die aktuellen Studien zeigen jedoch, dass mit KI-gestützte Risikovorhersagen ein neues Zeitalter der prädiktiven Biomarker beginnt. Dies ermöglicht eine personalisierte und noch effizientere Brustkrebsfrüherkennung.
