Un nuevo estudio de la Facultad de Medicina de la Universidad de Washington en St. Louis describe un método innovador para analizar mamografías que mejora significativamente la precisión de predecir el riesgo de desarrollar cáncer de mama en los próximos cinco años. Utilizando hasta tres años de mamografías anteriores, el nuevo método identificó el cáncer de mama con 2,3 veces más precisión que el método estándar, que se basa únicamente en cuestionarios que evalúan factores de riesgo clínicos, como la edad, el origen étnico y los antecedentes familiares. Cáncer de mama.
El estudio se publica el 5 de diciembre. Informática clínica sobre el cáncer de JCO.
El autor principal Graham A. Kolditz, MD, DrPH, director asociado del Siteman Cancer Center, ubicado en Barnes-Jewish Hospital y WashU Medicine, dijo: “Estamos buscando formas de mejorar el diagnóstico temprano, porque aumentan las posibilidades de un tratamiento exitoso. ” Profesor Niess-Gain de Cirugía. “Esta mejor predicción del riesgo también puede ayudar a la investigación sobre la prevención, de modo que podamos encontrar mejores maneras para que las mujeres que caen en categorías de alto riesgo reduzcan su riesgo de cáncer de mama a cinco años”.
El método de predicción de riesgos se basa en investigaciones anteriores dirigidas por Colditz y el autor principal Shu (Joy) Jiang, PhD, estadístico, científico de datos y asociado de cirugía en la División de Ciencias de la Salud Pública de WashU Medicine. Los investigadores demostraron que las mamografías anteriores contienen mucha información sobre los primeros signos del desarrollo del cáncer de mama que incluso un ojo humano bien entrenado podría no notar. Esta información incluye cambios sutiles a lo largo del tiempo en la densidad mamaria, que es una medida de la cantidad relativa de tejido fibroso versus tejido graso en la mama.
Para el nuevo estudio, el equipo creó un algoritmo basado en inteligencia artificial que puede comprender diferencias sutiles en las mamografías y ayudar a identificar a las mujeres que tienen más probabilidades de desarrollar tumores de mama durante un período de tiempo determinado. Además de la densidad mamaria, su herramienta de aprendizaje automático considera cambios en otros patrones en las imágenes, incluida la textura, la calcificación y la asimetría dentro de la mama.
“Nuestro nuevo método es capaz de detectar cambios sutiles en imágenes de mamografías repetidas a lo largo del tiempo que no son visibles a simple vista”, dijo Jiang, pero estos cambios contienen información valiosa sobre pacientes de alto riesgo.
Actualmente, las opciones de reducción del riesgo son limitadas y pueden incluir medicamentos como el tamoxifeno, que reducen el riesgo pero pueden tener efectos secundarios no deseados. La mayoría de las veces, a las mujeres de alto riesgo se les ofrecen exámenes de detección más frecuentes o la opción de agregar otra modalidad de imágenes, como una resonancia magnética, para intentar identificar el cáncer lo antes posible.
“Hoy en día no tenemos forma de saber quién puede desarrollar cáncer de mama en el futuro basándose en las imágenes de su mamografía”, dijo la coautora Debbie L. Bennett, MD, profesora asociada de radiología e imágenes mamarias. Para el Instituto Malenkrod de Radiología de Vasio Medicine. “Lo que es muy interesante de esta investigación es que muestra que es posible combinar esta información de mamografías actuales y anteriores usando este algoritmo. Las predicciones nunca serán perfectas, pero este estudio muestra que el nuevo algoritmo es mucho mejor que nuestros métodos actuales”.
La IA mejora el pronóstico del desarrollo del cáncer de mama.
Los investigadores entrenaron su algoritmo de aprendizaje automático en mamografías de más de 10,000 mujeres que se sometieron a exámenes de detección de cáncer de mama a través del Siteman Cancer Center entre 2008 y 2012.
Luego, los investigadores utilizaron su método para predecir el riesgo de cáncer de mama en un grupo separado de pacientes: más de 18,000 mujeres que se sometieron a mamografías entre 2013 y 2020 en la Universidad Emory en el área de Atlanta. Posteriormente, 332 mujeres fueron diagnosticadas con cáncer de mama. El período de seguimiento, que finalizó en 2020.
Según el nuevo modelo de predicción, las mujeres del grupo de alto riesgo tenían 21 veces más probabilidades de ser diagnosticadas con cáncer de mama en los cinco años siguientes que las del grupo de menor riesgo. En el grupo de alto riesgo, 53 de cada 1.000 mujeres desarrollarán cáncer de mama en los próximos cinco años. En cambio, en el grupo de bajo riesgo, 2,6 mujeres por cada 1.000 examinadas desarrollaron cáncer de mama en los cinco años siguientes. Con los antiguos métodos basados en cuestionarios, sólo 23 mujeres por cada 1.000 exámenes de detección se clasificaron correctamente en el grupo de alto riesgo, lo que proporciona evidencia de que el antiguo método omitió el 30% de los casos de cáncer de mama que se detectaron en este caso. .
Las mamografías se realizaron en centros médicos académicos y clínicas comunitarias, lo que indica que la validez del método se mantiene en diversos entornos. Es importante destacar que el algoritmo se creó con una fuerte representación de mujeres negras, que normalmente están subrepresentadas en el desarrollo de modelos de riesgo de cáncer de mama. Validez de la predicción de riesgos entre grupos étnicos. La mayoría de las mujeres examinadas por Siteman eran blancas y el 27 por ciento eran negras. El 42 por ciento de los examinados por Emory eran negros.
En el trabajo en curso, los investigadores están probando el algoritmo en mujeres de diferentes orígenes raciales y étnicos, incluidos los asiáticos, los del sudeste asiático y los nativos americanos, para ayudar a garantizar que el método funcione igualmente bien para todos.
Los investigadores están trabajando con la Oficina de Gestión Tecnológica de WashU en un nuevo enfoque para patentar y otorgar licencias con el objetivo de que esté ampliamente disponible dondequiera que se realicen mamografías de detección. Colditz y Jiang también están trabajando para formar una nueva empresa en torno a esta tecnología.
Jiang S, Bennett DL, Rosner BA, Tamimi RM, Colditz GA. Desarrollo y validación de un modelo dinámico de riesgo de cáncer de mama a 5 años mediante mamografías repetidas. Informática clínica sobre el cáncer de JCO. 5 de diciembre de 2024.
Este trabajo fue apoyado por la Facultad de Medicina de la Universidad de Washington en St. Louis.
Jiang y Colditz tienen patentes pendientes sobre el trabajo, que utiliza imágenes radiómicas para predecir el riesgo de enfermedades.
