Mammografien weisen manchmal Veränderungen auf, die auf kardiovaskuläre Erkrankungen hindeuten könnten, etwa Verkalkungen kleinster Arterien. Mit 97 364 Mammografien, die über 14 Jahre bei 29 921 Frauen zum Brustkrebs-Screening veranlasst wurden, hat ein Team um Dr. Viana Copeland (Tel Aviv) ein neuronales Netzwerk trainiert.
Ziel war es, Bluthochdruck, ischämische Herzerkrankungen oder Schlaganfälle vorherzusagen. Über eine mediane Nachbeobachtungszeit von 7,3 Jahren lagen diese bei 16 %, 2,5 % und 2,5 % der im Median 54 Jahre alten Teilnehmerinnen vor. Gemessen an den AUROC (Area Under the Receiver Operating Characteristic)-Werten erreichte das Deep-Learning-Modell akzeptable bis gute Trennschärfen: 0,79 für arterielle Hypertonie, 0,78 für ischämische Herzerkrankung, 0,86 für Schlaganfälle. Bei mediolateralem Strahlenverlauf waren es sogar 0,80, 0,80 und 0,88.
Copelands Vision ist der Dual-Use: „Ohne zusätzliche Strahlenbelastung durch Bildgebung oder Extratermine könnte die KI gleichzeitig auf Brustkrebs screenen und Frauen mit erhöhtem kardiovaskulärem Risiko identifizieren. Solch ein Ansatz könnte in einer Population, die bereits an Routine-Screening-Programmen teilnimmt, eine frühere weiterführende Abklärung und Präventivmaßnahmen erleichtern.“
Session „Beyond traditional signals: artificial intelligence for discovery of novel cardiovascular biomarkers“