Anzeige

Automatisierte Software soll helfen, Karzinome in dichten Mammae zu finden

Autor: Tobias Stolzenberg

Mammogramme einer automatisierten, volumetrischen Brustdichtemessung, klassifiziert in die Dichtegrade 1, 2, 3 und 4 (von links nach rechts). Mammogramme einer automatisierten, volumetrischen Brustdichtemessung, klassifiziert in die Dichtegrade 1, 2, 3 und 4 (von links nach rechts). © Radiological Society of North America
Anzeige

In dichtem Brustgewebe detektieren Ärzte häufiger Karzinome als in mammographisch weniger dichten Brüsten. Ein erhöhtes Krebsrisiko scheint jedoch nicht der Grund zu sein.

Es stellt sich die Frage, ob Frauen mit erhöhter Brustdichte allgemein ein größeres Krebsrisiko tragen oder die Raten andere Ursachen haben. Eine Antwort darauf suchten Wissenschaftler um Dr. Nataliia­ Moshina vom norwegischen Krebsregister in Oslo. Sie reanalysierten Daten aus den mammographischen Screenings von rund 108 000 Frauen im Alter zwischen 50–69 Jahren.

Größere Tumoren und mehr Lymphknoten befallen

Insgesamt wertete das Team 307 015 Befunde mithilfe einer automatisierten Software aus, die das Brustgewebe in „dicht“ (volumetrische Brustdichte, VBD ≥ 7,5 %) und „nicht dicht“ (VBD < 7,5 %) klassifizierte.

Frauen mit dichtem Brustgewebe zeigten insgesamt ein schlechteres Outcome: Pro 1000 Untersuchten waren in dieser Gruppe 6,7 Mammakarzinome am Bildschirm festgestellt worden im Vergleich zu 5,5 bei nicht dichtem Gewebe.

Zu diesem Zeitpunkt betrug der Durchmesser des Tumors bereits durchschnittlich 16,6 mm (vs. 15,1 mm) und die Lymphknoten waren in 24 % bzw. 18 % der Fälle befallen. Die Mammographie detektierte den Brustkrebs in dichtem Gewebe zudem mit einer geringeren Sensitivität als in weniger dichtem (71 % vs. 82 %).

Visuelle Beurteilung fällt den Ärzten schwerer

Einer der Gründe für die höhere Krebsrate dürfte die Maskierung durch das dichte Gewebe sein, heißt es in einer Pressemitteilung der Radiological Society of North America. Das erschwert die visuelle Beurteilung für den Arzt. Automatisierte Systeme könnten helfen, die Bilder objektiver zu interpretieren.

Quelle: Moshina N et al. Radiology 2018; online first