TrialsgramBetaRCTs are beautiful
Ungeprüfte ÜbersetzungDie Deutsche Übersetzung dieses Eintrags wurde nicht fachlich geprüft und kann vom Original abweichen. Akronym, vollständiger Titel und Zitat bleiben stets in der Originalsprache.Originalpublikation öffnen ↗

PRAIM

Nationwide real-world implementation of AI for cancer detection in population-based mammography screening

Patient / Population Intervention / Exposition Vergleich Endpunkt

Bei 463.094 Frauen im organisierten Mammographie-Screening erhöhte KI-gestützte Doppelbefundung die Brustkrebsdetektionsrate verglichen mit der Standard-Doppelbefundung ohne KI im selben Programm, bei nicht unterlegener Wiedereinbestellungsrate.

N
463.094Patienten
Design
Nicht randomisierte landesweite Implementierungsstudie, Deutschland (12 Standorte)
Endpunkt
Brustkrebsdetektionsrate (Überlegenheit) und Wiedereinbestellungsrate (Nichtunterlegenheit)
Relevanz
3Ergänzend — Kontext, kein Muss-Wissen.
ErgebnisKarzinomdetektion 6,7 vs. 5,7 pro 1.000 (+17,6 %; 95 %-KI +5,7 % bis +30,8 %); Wiedereinbestellung 37,4 vs. 38,3 pro 1.000 (−2,5 %; 95 %-KI −6,5 % bis +1,7 %; nicht unterlegen). PPV der Wiedereinbestellung 17,9 % vs. 14,9 %; PPV der Biopsie 64,5 % vs. 59,2 %. 260.739 Frauen wurden von 119 Radiologen mit KI gescreent.
Eisemann N, et al. Nat Med. 2025;31(3):917-924. 10.1038/s41591-024-03408-6
Diskussion & Kritik

Die größte Real-World-Studie zu KI im Screening; sie zeigt, dass eine KI-Unterstützung der Doppelbefundung die Detektion über ein nationales Programm hinweg ohne zusätzliche Wiedereinbestellungen steigert. Nicht randomisiert: Die Radiologen entschieden freiwillig, ob sie KI nutzten, ein Selektionsbias ist also eingebaut; die Detektion ist ein Surrogat, und Intervallkarzinome und Mortalität liegen jenseits dieses Designs. MASAI liefert die randomisierte Evidenz.