Stell dir vor, du könntest Brustkrebs frühzeitig erkennen, ohne schmerzhafte Untersuchungen und mit weniger Strahlung. Forschende haben eine neue Methode entwickelt, die genau das möglich macht.
Hast du schon mal von Brustkrebs gehört? Es ist eine der häufigsten Krebsarten bei Frauen. Früherkennung ist sehr wichtig, um die Krankheit erfolgreich zu behandeln. Normalerweise werden Röntgenaufnahmen gemacht, um Brustkrebs zu finden. Diese Methode hat aber einige Nachteile. Sie kann unangenehm sein, weil die Brust zusammengedrückt wird, und sie verwendet Strahlung, die für den Körper schädlich sein kann.
Was die Forschenden herausgefunden haben
Forschende haben eine neue Technik namens Phasenkontrast-Computertomografie (PCT) entwickelt. Diese Methode kann Bilder von der Brust machen, die genauso gut oder sogar besser sind als die bisherigen Röntgenaufnahmen, aber mit viel weniger Strahlung. Sie haben herausgefunden, dass sie die Strahlendosis um das 16-fache reduzieren können, ohne dass die Bildqualität leidet. Das bedeutet, dass die Bilder genauso klar und genau bleiben, wie sie sein sollten.
Wie haben sie das gemacht?
Um das zu erreichen, haben die Forschenden tiefe Lernmethoden verwendet. Das ist eine Art von künstlicher Intelligenz, die Bilder verbessern kann. Sie haben frische Brustgewebeproben untersucht und die Bilder mit dieser Technik verbessert. Dann haben sie die Bilder von erfahrenen Ärzten bewerten lassen, um sicherzustellen, dass sie gut genug sind.
Warum ist das wichtig?
Diese neue Methode ist wichtig, weil sie die Diagnose von Brustkrebs sicherer und angenehmer machen kann. Weniger Strahlung bedeutet weniger Risiko für den Körper. Außerdem muss die Brust nicht mehr zusammengedrückt werden, was die Untersuchung weniger unangenehm macht. Das könnte dazu führen, dass mehr Frauen regelmäßig zur Untersuchung gehen, was die Chancen auf eine frühzeitige Erkennung und Behandlung erhöht.
Du willst mehr über die Studie wissen?
Die Forschenden, die an dieser Studie beteiligt waren, sind Ashkan Pakzad, Robert Turnbull, Simon J. Mutch, Thomas A. Leatham, Darren Lockie, Jane Fox, Beena Kumar, Daniel Häsermann, Christopher J. Hall, Anton Maksimenko, Benedicta D. Arhatari, Yakov I. Nesterets, Amir Entezam, Seyedamir T. Taba, Patrick C. Brennan, Timur E. Gureyev und Harry M. Quiney. Die Studie wurde im Jahr 2025 veröffentlicht.