AI ziet gemiste borstkanker, maar klinische winst onzeker

Kunstmatige intelligentie kan radiologen mogelijk helpen om subtiele aanwijzingen voor borstkanker te herkennen die tijdens reguliere mammografische screening worden gemist. Sommige AI-systemen lijken zelfs patronen te kunnen signaleren die wijzen op een verhoogd risico voordat een tumor zichtbaar is. Of deze mogelijkheden in de praktijk daadwerkelijk leiden tot eerdere diagnoses en betere uitkomsten voor patiënten, is echter nog onvoldoende bewezen.

Dat concluderen onderzoekers van het UCLA Health Jonsson Comprehensive Cancer Center in een review in het Journal of Breast Imaging. Zij analyseerden onderzoek naar commercieel beschikbare AI-systemen voor mammografie, met speciale aandacht voor zogeheten intervalkankers.

AI als extra paar ogen

Intervalkankers zijn borsttumoren die worden ontdekt na een negatieve screening, maar vóór het volgende geplande screeningsonderzoek. Ze gelden als een belangrijke maatstaf voor de effectiviteit van bevolkingsonderzoek en zijn vaak agressiever dan tumoren die tijdens reguliere screening worden gevonden.

Een deel van deze tumoren ontstaat snel en was op de voorgaande mammografie nog niet zichtbaar. Bij andere intervalkankers waren achteraf wel subtiele afwijkingen te zien die tijdens de oorspronkelijke beoordeling niet werden herkend. Juist bij deze laatste groep zou AI als extra ondersteuning voor radiologen kunnen fungeren.

Uit retrospectieve studies blijkt dat AI een deel van dergelijke intervalkankers op eerdere mammogrammen kan herkennen. De resultaten lopen echter sterk uiteen: afhankelijk van het onderzoek, de gebruikte methode en het AI-systeem varieerde het percentage van ongeveer 5 tot 78 procent. Volgens de onderzoekers betekent dit nog niet dat AI in de dagelijkse praktijk daadwerkelijk tot eerdere diagnoses leidt. Bij retrospectief onderzoek is immers al bekend welke vrouwen later borstkanker kregen. Prospectief onderzoek moet aantonen of AI tijdens reguliere screening werkelijk het aantal intervalkankers kan verminderen.

Risico voorspellen

Een tweede mogelijke toepassing gaat verder dan het herkennen van gemiste afwijkingen. Sommige AI-systemen lijken patronen te detecteren op mammogrammen die door radiologen als normaal worden beoordeeld, maar samenhangen met een verhoogde kans op toekomstige borstkanker. In een van de onderzochte studies gaf AI drie screeningsrondes vóór de diagnose al de hoogste risicoscore aan 23,1 procent van de vrouwen die later intervalkanker ontwikkelden. Op het mammogram direct voorafgaand aan de diagnose liep dit op tot 39,4 procent.

Daarmee ontstaat tegelijkertijd een nieuw klinisch vraagstuk. Het is nog onduidelijk wat een arts moet doen met een hoge AI-risicoscore wanneer op de beelden geen concrete afwijking zichtbaar is. Aanvullende beeldvorming zou een tumor eerder kunnen opsporen, maar kan ook leiden tot meer fout-positieve bevindingen, onnodige onderzoeken en overdiagnostiek.

Potentie én beperkingen

De review bespreekt ook een grote gerandomiseerde studie uit 2026 met meer dan 105.000 vrouwen. Daarin werd AI-ondersteunde screening vergeleken met beoordeling door twee radiologen. Het aantal intervalkankers bedroeg 1,55 per 1.000 vrouwen in de AI-groep tegenover 1,76 per 1.000 bij standaard screening. De sensitiviteit was met AI 80,5 procent, tegenover 73,8 procent zonder AI. De specificiteit was in beide groepen 98,5 procent. Tegelijkertijd verminderde AI de werklast rond screening met 44,3 procent, zonder dat het totale detectiepercentage van kanker afnam.

Hoewel dit volgens de onderzoekers tot het sterkste prospectieve bewijs voor AI-ondersteunde mammografie behoort, was de studie niet opgezet om definitief aan te tonen dat AI het aantal intervalkankers verlaagt. Bovendien verschilt de onderzochte screeningspraktijk van die in andere landen.

Meer bewijs nodig

De onderzoekers signaleren grote verschillen tussen bestaande studies, bijvoorbeeld in definities van intervalkanker, screeningsintervallen, beeldvormingstechnieken en werkprocessen van radiologen. Ook wordt slechts een beperkt aantal AI-algoritmen onderzocht, waardoor resultaten niet zonder meer naar andere systemen kunnen worden vertaald.

Toekomstige prospectieve studies moeten daarom niet alleen kijken naar kankerdetectie, maar ook naar intervalkankers, fout-positieve uitslagen, terugroeppercentages, aanvullende diagnostiek en de werklast van radiologen. Ook langetermijnuitkomsten voor patiënten en monitoring van AI-systemen nadat deze op de markt zijn gebracht, zijn volgens de onderzoekers nodig.

AI laat daarmee veelbelovende resultaten zien als ondersteuning bij mammografie, maar bewijs dat de technologie vrouwen daadwerkelijk betere gezondheidsuitkomsten oplevert, moet nog worden geleverd.

Meerwaarde AI-analyse

In juli bleek uit een Zweeds onderzoek dat AI mogelijk vroege aanwijzingen voor borstkanker kan herkennen, jaren voordat de ziekte via reguliere screening wordt vastgesteld. In een retrospectieve studie werden bijna 89.000 mammogrammen van ruim 31.000 Zweedse vrouwen geanalyseerd met drie commercieel beschikbare AI-systemen.

Vrouwen die later borstkanker ontwikkelden, hadden op eerdere mammogrammen gemiddeld hogere AI-risicoscores. Bij ongeveer één op de vijf gevallen herkende AI al zes jaar vóór de diagnose kenmerken die met toekomstige borstkanker samenhingen. Bij een specificiteit van 90 procent identificeerden de systemen 19,7 procent van de toekomstige gevallen zes jaar vooraf, oplopend tot 39,3 procent twee jaar vóór de diagnose.

De onderzoekers zagen vooral mogelijkheden voor gepersonaliseerde screening. AI-risicoscores zouden radiologen kunnen ondersteunen bij het identificeren van vrouwen die intensievere monitoring nodig hebben. Voordat deze aanpak klinisch kan worden toegepast, is echter aanvullend onderzoek noodzakelijk.