Jährlich werden in Österreich mehr als 800.000 Mammografien zur Brustkrebsfrüherkennung durchgeführt. Nach neuen Daten, die auf dem ESC-Kongress 2026 vorgestellt wurden, könnte die Mammografie künftig zusätzlich zur Identifikation von Frauen mit kardiovaskulären Erkrankungen genutzt werden.
Hintergrund ist, dass Herz-Kreislauf-Erkrankungen bei Frauen trotz ihrer hohen Krankheitslast häufig erst spät diagnostiziert werden. Forscher:innen aus Israel untersuchten daher, ob sich Mammografieaufnahmen mithilfe von KI auch zur Erkennung kardiovaskulärer Erkrankungen auswerten lassen. In die retrospektive Kohortenstudie wurden 29.921 Frauen mit insgesamt 97.364 Mammografieuntersuchungen eingeschlossen. Das mittlere Alter betrug 54 Jahre. Die Prävalenz von Hypertonie lag bei 16 %, die von koronarer Herzkrankheit (KHK) und Schlaganfall jeweils bei 2,5 %.
Ein Deep-Learning-Modell wurde darauf trainiert, in Mammografiebildern Merkmale zu identifizieren, die mit Hypertonie, KHK oder Schlaganfall assoziiert waren. Die Leistungsfähigkeit des Modells wurde anhand der Fläche unter der ROC-Kurve (AUROC) bewertet. Dabei erreichte das Modell AUROC-Werte von 0,79 für Hypertonie, 0,78 für KHK und 0,86 für Schlaganfall. Die Ergebnisse blieben auch nach Berücksichtigung von Alter und Tumorerkrankungen stabil.
Nach Ansicht der Autor:innen könnte die Auswertung bereits vorhandener Mammografieaufnahmen künftig eine zusätzliche Möglichkeit bieten, Frauen mit bislang nicht erkanntem kardiovaskulärem Risiko zu identifizieren, ohne dass weitere bildgebende Untersuchungen erforderlich wären. Da Mammografie-Screeningprogramme vor allem Frauen im mittleren Lebensalter erreichen, könnte dies eine Gelegenheit zur frühzeitigen kardiovaskulären Prävention bieten. Die Forscher:innen arbeiten derzeit an einer weiteren Optimierung des Modells, um die Zahl falsch-positiver und falsch-negativer Befunde zu reduzieren. Zudem soll untersucht werden, ob sich mithilfe von Mammografien auch weitere Herz-Kreislauf-Erkrankungen erkennen lassen.
Die aktuellen ESC-Daten knüpfen an frühere Arbeiten an, in denen mithilfe von KI bereits Verkalkungen der Brustarterien in Mammografieaufnahmen quantifiziert wurden. In einer Analyse von Mammografiekohorten der Emory University und der Mayo Clinic mit insgesamt 123.762 Frauen verbesserte ein KI-basierter "Mammografie-Agatston-Score" die Vorhersage schwerer kardiovaskulärer Ereignisse zusätzlich zum PREVENT-Score.
Dabei war bereits eine geringe Verkalkung von 0 bis 10 mm2 mit einem rund 30 % höheren Risiko für schwere kardiovaskuläre Ereignisse wie Herzinfarkt, Schlaganfall, Herzinsuffizienz oder kardiovaskulär bedingten Tod assoziiert. Bei Verkalkungen von mehr als 25 mm2 war das Risiko etwa dreifach erhöht. Darüber hinaus stieg das Risiko für ein schweres kardiovaskuläres Ereignis pro zusätzlichem mm2 Verkalkungsfläche um 2 bis 3 %.
Im Gegensatz zu früheren Arbeiten, die auf der Quantifizierung mammografisch sichtbarer Gefäßverkalkungen beruhten, versucht der neue KI-Ansatz, kardiovaskuläre Erkrankungen direkt aus Mammografiebildern zu erkennen. Sollte sich der Ansatz in prospektiven Studien bestätigen, könnte die Mammografie künftig nicht nur zur Brustkrebsfrüherkennung, sondern auch als Instrument zur opportunistischen kardiovaskulären Risikostratifizierung beitragen.