Un nuovo studio della Washington University School of Medicine di St. Louis descrive un metodo innovativo di analisi delle mammografie che migliora significativamente l’accuratezza della previsione del rischio di sviluppo del cancro al seno nei cinque anni successivi. Utilizzando fino a tre anni di mammografie precedenti, il nuovo metodo ha identificato gli individui ad alto rischio di sviluppare il cancro al seno con un’accuratezza 2,3 volte maggiore rispetto al metodo standard, che si basa su questionari che valutano solo i fattori di rischio clinici, come età, razza e storia familiare di cancro al seno. I ricercatori hanno dimostrato che le mammografie precedenti contengono una grande quantità di informazioni sui primi segni di sviluppo del cancro al seno che non possono essere percepite nemmeno da un occhio umano ben allenato. Queste informazioni includono sottili cambiamenti nel tempo nella densità del seno, che è una misura delle quantità relative di tessuto fibroso rispetto a tessuto adiposo nei seni.
Una revisione sistematica della previsione del cancro al seno basata sulla mammografia guidata dall’intelligenza artificiale (IA) ha identificato solo tre studi che riportano un orizzonte di previsione di 5 anni con AUC compresa tra 0,68 e 0,70. Uno studio riporta prestazioni più elevate per una previsione di 3 anni o meno. Analisi recenti di immagini digitali ripetute mostrano che la traiettoria temporale della densità è significativamente associata al rischio a lungo termine. Tuttavia, l’utilità delle mammografie longitudinali per prevedere dinamicamente il rischio delle donne non è stata caratterizzata. Per il nuovo studio, il team ha creato un algoritmo basato sull’IA in grado di discernere sottili differenze nelle mammografie e aiutare a identificare le donne a più alto rischio di sviluppare un nuovo tumore al seno in un lasso di tempo specifico. Oltre alla densità del seno, il loro strumento di apprendimento automatico considera i cambiamenti in altri modelli nelle immagini, tra cui la consistenza, la calcificazione e l’asimmetria all’interno dei seni.
Al momento, le opzioni di riduzione del rischio sono limitate e possono includere farmaci come il tamoxifene che riducono il rischio ma possono avere effetti collaterali indesiderati. Nella maggior parte dei casi, alle donne ad alto rischio viene offerto uno screening più frequente o l’opzione di aggiungere un altro metodo di imaging, come una risonanza magnetica, per cercare di identificare il cancro il più presto possibile. I ricercatori hanno addestrato il loro algoritmo di apprendimento automatico sulle mammografie di oltre 10.000 donne che hanno ricevuto screening per il cancro al seno tramite il Siteman Cancer Center dal 2008 al 2012. Questi individui sono stati seguiti fino al 2020 e in quel periodo a 478 è stato diagnosticato un cancro al seno. I ricercatori hanno quindi applicato il loro metodo per prevedere il rischio di cancro al seno in un gruppo separato di pazienti (oltre 18.000 donne che hanno ricevuto mammografie dal 2013 al 2020). Successivamente, a 332 donne è stato diagnosticato un cancro al seno durante il periodo di follow-up.
Secondo il nuovo modello di previsione, le donne nel gruppo ad alto rischio avevano 21 volte più probabilità di ricevere una diagnosi di cancro al seno nei successivi 5 anni rispetto a quelle nel gruppo a più basso rischio. Nel gruppo ad alto rischio, 53 donne su 1.000 sottoposte a screening hanno sviluppato un cancro al seno nei successivi 5 anni. Al contrario, nel gruppo a basso rischio, il valore era di 2,6 donne ogni 1.000 sottoposte a screening. Con i vecchi metodi basati su questionari, solo 23 donne ogni 1.000 erano correttamente classificate nel gruppo ad alto rischio, fornendo la prova che il vecchio metodo, in questo caso, aveva tralasciato 30 casi di tumore. Le immagini mammografiche complete trasmettono informazioni sostanziali oltre alla densità del seno e riassumono ulteriori caratteristiche della consistenza correlate al rischio di cancro al seno indipendentemente dalla densità. Lo sviluppo del cancro è un processo lento e non obbligato che può riflettersi nel movimento lungo percorsi di cambiamento morfologico nel tessuto mammario, cambiamenti genetici e nell’ambiente immunitario.
L’intera immagine mammografica può ragionevolmente riassumere i cambiamenti del percorso. I metodi di previsione del rischio dinamico non sono stati ampiamente utilizzati. Piuttosto, l’aggiornamento dei fattori di rischio a ogni visita spesso supporta calcoli ripetuti del rischio statico sulla base dello stato alla visita corrente, senza includere la storia precedente o la traiettoria dei fattori di rischio. I ricercatori dimostrano che la traiettoria delle mammografie precedenti aggiunge alle prestazioni del modello oltre un approccio statico. Inoltre, omettiamo le pazienti con cancro al seno diagnosticato entro 6 mesi dallo screening per garantire che la popolazione di donne per la stima del rischio e la gestione associata al rischio sia appropriata. Dato il peso globale del BC tra le donne, è fondamentale utilizzare i dati delle immagini cliniche esistenti per valutare più accuratamente il rischio, guidare la prevenzione personalizzata e personalizzare meglio le strategie di screening. I ricercatori stanno lavorando con l’Office of Technology Management della Washington University per brevetti e licenze sul nuovo metodo con l’obiettivo di renderlo ampiamente disponibile ovunque vengano fornite mammografie di screening.
- A cura del Dr. Gianfrancesco Cormaci, PhD, specialista in Biochimica Clinica.
Pubblicazioni scientifiche
Jiang S et eal. JCO Clin Cancer Inform. 2024 Dec; 8:e2400200.
Schopf CM, Ramwala OA et al. J Am Coll Radiol. 2024; 21:319.
Pashayan N, Antoniou A et al. Nat Rev Clin Oncol. 2020; 17:687.