EUVIMEDEUVIMED entdecken
Systematische ÜbersichtOpen Access · CC BY 4.0

Artificial intelligence in the radiologic assessment of ductal carcinoma in situ: a systematic review

Künstliche Intelligenz in der radiologischen Beurteilung des duktalen Carcinoma in situ: systematische Übersichtsarbeit

Colin Wu, Alison Bartak, Ramaswamy Sharma

Frontiers in Oncology · 14.07.2026 · 16

DOI: 10.3389/fonc.2026.1870768 ↗

Auf einen Blick

Die Übersicht zu AI bei DCIS zeigt eine Verbesserung von Detektion, Klassifikation, präoperativer Risikostratifizierung und molekularer Inferenz. Berichtet werden AUCs von 0,70 bis 0,97.

Fragestellung

Welche Rolle haben AI-Technologien zur radiologischen Beurteilung von DCIS?

Methode

Systematische Suche in mehreren Datenbanken nach PRISMA; 46 von 311 Studien erfüllten die Kriterien.

Ergebnisse

46 eingeschlossene Studien. AI verbesserte Detektion, Klassifikation, präoperative Risikostratifizierung und molekulare Inferenz; AUCs 0,70–0,97, Sensitivitäten 80–96 %, Spezifitäten bis 93 %.

Einschränkungen

Retrospektive Designs, kleine DCIS-spezifische Kollektive, geringe externe Validierung, eingeschränkte Generalisierbarkeit, schwächere Leistung als bei invasivem Brustkrebs.

Schlussfolgerung der Autor:innen

Die Autor:innen sehen ein erhebliches Potenzial für die klinische Integration und betonen den Bedarf an standardisierten, validierten AI-Tools für das DCIS-Management.

Kernaussagen

  • AUCs der AI-Modelle: 0,70 bis 0,97
  • Sensitivitäten 80–96 %, Spezifitäten bis 93 %
  • Zeitliche, multiphasische und räumlich informierte Modelle schnitten besser ab

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Systematische Übersicht in der Zeitschrift Frontiers in Oncology, online erschienen am 14.07.2026. Verfasst von Colin Wu und 2 weiteren Autor:innen. Beteiligte Einrichtung: University of the Incarnate Word School of Osteopathic Medicine, San Antonio, TX, United States. Die Arbeit wurde bisher 2-mal zitiert (Crossref) und nennt 60 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Ductal carcinoma in situ (DCIS) accounts for approximately 25% of new breast cancer diagnoses and carries a 20% to 50% risk of post-surgical upstaging to invasive cancer, complicating risk stratification and raising concerns about overtreatment. Mammography, the primary imaging modality, is limited by low sensitivity in dense breasts and low-grade lesions. Supplemental imaging (ultrasound, magnetic resonance imaging) can improve detection but is often costly and less accessible. Artificial intelligence (AI) has emerged as a promising approach to enhance DCIS radiologic assessment. A systematic search of several databases was conducted to determine the role of AI technologies in supporting radiological assessment of DCIS following PRISMA guidelines. Of 311 studies identified, 46 met inclusion criteria. AI shows substantial promise in improving detection, classification, preoperative risk stratification, and molecular inference, with area under the curves (AUCs) ranging from 0.70 to 0.97, sensitivities of 80–96%, and specificities up to 93%. Overall, temporal, multiphase, and spatially aware models outperformed conventional 2D approaches. The findings underscore the potential for clinical integration, inform best practices, and identify critical gaps to guide future studies and development of standardized, validated AI tools for DCIS management. Limitations included retrospective design, small cohort of DCIS-specific datasets, minimal external validation, generalizability concerns, and weaker performance relative to invasive breast cancer.

Schlagwörter

Stichwörter der Autor:innen

DCISartificial intelligenceconvolutional neural networkdeep learningductal carcinoma in situmachine learning

Autor:innen und Institutionen

  • University of the Incarnate Word School of Osteopathic Medicine, San Antonio, TX, United States.
  • Baptist University College of Osteopathic Medicine, Memphis, TN, United States.

Zitieren

APA

Wu, C., Bartak, A., & Sharma, R. (2026). Artificial intelligence in the radiologic assessment of ductal carcinoma in situ: a systematic review. Frontiers in Oncology, 16. https://doi.org/10.3389/fonc.2026.1870768

Vancouver

Wu C, Bartak A, Sharma R. Artificial intelligence in the radiologic assessment of ductal carcinoma in situ: a systematic review. Frontiers in Oncology. 2026;16. doi:10.3389/fonc.2026.1870768

BibTeX
@article{Wu2026,
  author = {Wu, Colin and Bartak, Alison and Sharma, Ramaswamy},
  title = {Artificial intelligence in the radiologic assessment of ductal carcinoma in situ: a systematic review},
  journal = {Frontiers in Oncology},
  year = {2026},
  volume = {16},
  doi = {10.3389/fonc.2026.1870768}
}
Kostenlos starten →