KI-Mammografie kann kardiovaskuläre Erkrankungen erkennen
Die Referentin, Dr. Viana Copeland vom Chaim Sheba Medical Center der Universität Tel Aviv in Ramat Gan, Israel, erläuterte, warum neue Erkennungsmethoden für Herz-Kreislauf-Erkrankungen bei Frauen benötigt werden: „Obwohl Herz-Kreislauf-Erkrankungen weltweit die häufigste Todesursache bei Frauen sind, werden sie systematisch unterdiagnostiziert und unzureichend behandelt. In unserem medizinischen Zentrum und weltweit beobachten wir häufig, dass Herz-Kreislauf-Erkrankungen bereits weit fortgeschritten sind, wenn Frauen ärztliche Hilfe suchen.“
„Als Kardiologin und Frau finde ich dieses Konzept faszinierend: Eine Mammografie könnte eines Tages mehr leisten als nur Brustkrebs zu erkennen.“
Elena Arbelo, außerordentliche Professorin und Mitglied des Kommunikationskomitees der ESC
Da viele Frauen regelmäßig an Brustkrebsvorsorgeuntersuchungen teilnehmen, selbst wenn sie keine kardiovaskulären Symptome haben hatten die Forschenden untersucht, ob KI die Mammografie in dieser Gruppe um einen zusätzlichen Zweck erweitern kann.
Prävalenz für Hypertonie betrug 16 Prozent
Diese retrospektive Kohortenstudie umfasste Daten von 29.921 Frauen, die sich 97.364 Mammografieuntersuchungen unterzogen hatten. Das Medianalter der Kohorte betrug 54 Jahre. Klinische Informationen zum Vorliegen von drei häufigen Herz-Kreislauf-Erkrankungen – Hypertonie, ischämische Herzkrankheit und Schlaganfall – wurden aus verschiedenen Quellen, darunter elektronischen Patientenakten, Medikamentenverordnungen sowie Untersuchungs- und Bildgebungsbefunde, extrahiert. Die Prävalenz betrug 16 Prozent für Hypertonie, 2,5 Prozent für ischämische Herzkrankheit und 2,5 Prozent für Schlaganfall.
Ein Deep-Learning-Modell wurde trainiert, um Merkmale in Mammografien von Frauen mit Bluthochdruck, ischämischer Herzkrankheit oder Schlaganfall zu identifizieren, heißt es weiter. Die Fähigkeit des Modells, zwischen Frauen mit und ohne die jeweilige Herz-Kreislauf-Erkrankung zu unterscheiden, wurde anhand der Fläche unter der ROC-Kurve (AUROC) bewertet. Die Werte reichen von 0,5 (Zufallserkennung) bis 1,0 (perfekte Diskriminierung). Das Ausgangsmodell zeigte gute Ergebnisse mit AUROC-Werten von 0,79 für Hypertonie, 0,78 für ischämische Herzkrankheit und 0,86 für Schlaganfall. Die Ergebnisse blieben auch unter Berücksichtigung des Krebsstatus und des Alters konsistent.
Zusätzlicher Nutzen ohne neue Bildgebung
Dr. Copeland merkte an: „Da die Mammografie bereits weit verbreitet ist, könnte die Analyse derselben Bilder hinsichtlich kardiovaskulärer Informationen einen skalierbaren Ansatz bieten, ohne dass eine zusätzliche Bildgebungsuntersuchung erforderlich ist. Die Mammografie erreicht zudem viele Frauen in der Lebensmitte, einer wichtigen Phase für die Erkennung und Behandlung kardiovaskulärer Risiken.“
Die Forschenden arbeiten nun daran, die Genauigkeit des Modells zu verbessern und sowohl falsch positive als auch falsch negative Ergebnisse zu reduzieren. Sie planen außerdem zu untersuchen, ob Mammografien zur Erkennung anderer Herz-Kreislauf-Erkrankungen beitragen könnten.
Die Studie „Detecting cardiovascular diseases from mammography using deep learning“ wurde während der Sitzung „Jenseits traditioneller Signale: Künstliche Intelligenz zur Entdeckung neuartiger kardiovaskulärer Biomarker“ auf dem ESC-Kongress 2026 am 30. August vorgestellt.
