KI hilft fast jedem Fünften

Es ist eine Zahl, die in der Radiologie für frischen Wind sorgt: knapp 19 Prozent. Fast jeder fünfte Mann, der in den letzten Jahren eine Prostataspezielle Untersuchung durchlief, hätte sich eine invasive Biopsie sparen können, wenn bei der Auswertung der MRT-Bilder eine neue Lösung zum Einsatz gekommen wäre. Dies ist das zentrale Ergebnis einer retrospektiven Studie, die im Fachjournal European Radiology veröffentlicht wurde. Die Arbeit stammt aus dem Umfeld des Unternehmens RadNet und dessen Tochtergesellschaft DeepHealth.

Es geht dabei nicht um die Ersetzung des Arztes, sondern um eine gezielte Entlastung des klinischen Entscheidungsweges bei unsicheren Befunden. Die Studie betont, dass die Technologie als unterstützendes Werkzeug dient, das den diagnostischen Prozess präzisiert, ohne die menschliche Expertise zu ersetzen. Dies steht im Einklang mit dem Ziel, die Patientensicherheit zu erhöhen, indem unnötige Eingriffe reduziert werden, die mit Schmerzen und Risiken behaftet sind.

Hintergrund ist eine alltägliche Frustration im Praxisalltag. Viele Prostataspezielle MRT-Bilder fallen in eine Grauzone. Der Radiologe sieht Auffälligkeiten, die nicht eindeutig als bösartig zu klassifizieren sind, aber auch nicht sicher als harmlos abgetan werden können. In solchen Fällen wird häufig zum Sicherheitshalber zur Punktion geraten. Diese Prozedur ist für die Patienten belastend, schmerzhaft und nicht ohne Risiko.

Das Dilemma der Grauzone

Die Diagnose von Prostatakrebs im Frühstadium ist entscheidend, um die Sterblichkeit zu senken. Gleichzeitig führt ein zu aggressives Vorgehen bei harmlosen Veränderungen zu Overtreatment, also einer Behandlung, die der Patient gar nicht nötig hatte. Multiparametrische MRT-Untersuchungen haben sich deshalb als Eckpfeiler der Diagnostik etabliert. Sie kombinieren anatomische Bilder mit funktionellen Messwerten, um ein umfassendes Bild des Gewebezustands zu liefern.

Um die Interpretation zu standardisieren, wurde das System PI-RADS eingeführt, das Befunde in fünf Kategorien von unwahrscheinlich bis sehr wahrscheinlich einteilt. In der Realität kollabieren viele Kliniken diese fünf Kategorien jedoch oft in drei Funktionsstufen, um die Entscheidungsfindung zu vereinfachen. Genau hier setzt die von DeepHealth entwickelte Lösung an. Sie nutzt eine vereinfachte, dreistufige Risikoklassifikation, die den klinischen Alltag besser widerspiegelt.

Francesco Giganti, Professor für Radiologie an der University College London und Senior-Autor der Studie, erklärte am 8. Oktober, dass die Entscheidung, eine Biopsie zu empfehlen, bei unsicheren MRT-Befunden oft schwierig sei. Sein Team sieht in der KI ein weiteres Puzzleteil, das Kliniken hilft, besser zu identifizieren, welche Männer tatsächlich von einer Biopsie profitieren. Die finale medizinische Entscheidung bleibe selbstverständlich beim klinischen Team, das die Gesamtsituation des Patienten berücksichtigt.

Daten aus drei Ländern

Die Wissenschaftler haben für ihre Analyse Prostataspezielle MRT-Untersuchungen ausgewertet, die zwischen 2014 und 2025 in den Vereinigten Staaten, Deutschland und den Niederlanden durchgeführt wurden. Der Datensatz umfasst fast 800 Subjekte, die wegen des Verdachts auf Prostatakrebs klinisch evaluiert wurden. Bei 48 Prozent dieser Patienten, also bei 380 Männern, lag eine klinisch signifikante Erkrankung vor. Diese hohe Prävalenz im Studientest ist wichtig, um die Leistungsfähigkeit des Algorithmus unter realistischen Bedingungen zu testen.

Besonders hervorheben die Autoren die Herstellerneutralität der Technologie. Die Scans wurden auf Geräten von fünf verschiedenen Bildgebungsanbietern aufgenommen. Dies stützt die Behauptung, dass die KI-Lösung unabhängig von der spezifischen Hardware funktioniert. Eine Sensitivität von 98,4 Prozent für die Identifizierung klinisch relevanter Krebsarten wurde dabei erzielt. Das bedeutet, dass der Algorithmus fast jeden wichtigen Tumor erkennt, während er gleichzeitig die spezifischen, harmlosen Veränderungen herausfiltert, die sonst zu unnötigen Biopsien führen würden.

Vom Fünf-Punkte-System zur Praxis

Das bestehende PI-RADS-System ist für Laien und oft auch für Kliniker komplex. Die Kategorie 1 bedeutet hochgradig unwahrscheinlich, die Kategorie 5 hochgradig wahrscheinlich für einen signifikanten Krebs. In der täglichen Praxis ist die Handhabung dieser fünf Stufen oft schwerfällig. Die DeepHealth-Lösung reduziert diese Komplexität auf drei Stufen: niedriges, mittleres und hohes Risiko. Diese Vereinfachung spiegelt wider, wie Ärzte in der Realität triagieren, indem sie seltene extreme Fälle von den häufigeren mittleren Fällen trennen.

Durch diese strukturelle Anpassung an den klinischen Workflow wird die KI nicht nur zu einem theoretischen Modell, sondern zu einem praktischen Werkzeug. Sie liefert einen klaren Risikoindikator, der in die bestehende Entscheidungslogik integriert werden kann. Giganti betont, dass die Chance bestehe, diese Technologie zu nutzen, um die Zielgruppe für invasive Eingriffe präziser zu bestimmen. Es geht nicht darum, die Biopsie abzuschaffen, sondern sie dort einzusetzen, wo sie medizinisch sinnvoll ist, und sie dort zu vermeiden, wo sie nur Leid und Kosten erzeugt.

Was das für Patienten bedeutet

Für den einzelnen Patienten ist die Nachricht eine deutliche Entlastung. Fast ein Fünftel der Fälle, die bisher mit einer Biopsie abgeschlossen wurden, könnten in Zukunft durch eine genauere Bildauswertung abgefangen werden. Das spart Nadelstiche, Infektionsrisiken und die psychische Belastung des Wartens auf ein Ergebnis. Gleichzeitig bleibt die Sicherheit hoch, da die Sensitivität für echte Krebsfälle kaum unter 99 Prozent liegt. Ein klinisch relevanter Tumor geht durch diese Filterung also praktisch nie verloren.

Die Studie unterstreicht, dass künstliche Intelligenz in der Radiologie kein Selbstzweck ist. Sie dient als Entscheidungsunterstützungssystem, das die Unsicherheit im Bildbefund reduziert. Gerade in Deutschland, wo die Versorgung mit Prostataspeziellen MRTs gut ausgebaut ist, könnte diese Technologie einen spürbaren Impact haben. Es bleibt abzuwarten, wie schnell die Lösung in den routinemäßigen Klinikalltag einführt wird, aber die Datenlage ist belastbar und international validiert.