Een nieuwe, door AI aangestuurde tool voor risicovoorspelling, ontwikkeld door onderzoekers van de Universiteit van Cambridge, heeft veelbelovende resultaten opgeleverd bij het identificeren van vrouwen met een verhoogd risico op het ontwikkelen van intervalborstkanker. Dit is een type borstkanker dat tussen routine mammografieën optreedt en vaak een slechtere prognose heeft. De studie, gepubliceerd in Radiology, analyseerde meer dan 134.000 screeningmammografieën uit het nationale borstkankerscreeningsprogramma van het Verenigd Koninkrijk.
“Intervalkankers zijn doorgaans agressiever en moeilijker te behandelen”, legt professor Fiona J. Gilbert, coauteur en voorzitter van de afdeling radiologie aan de Universiteit van Cambridge, uit. “Het minimaliseren van het voorkomen ervan is een belangrijk doel voor elk screeningsprogramma.”
Gepersonaliseerde risicoscore
Met behulp van Mirai, een op deep learning gebaseerd AI-algoritme, beoordeelden onderzoekers elke mammografie om een gepersonaliseerde risicoscore voor drie jaar te genereren op basis van borstdichtheid en subtiele beeldkenmerken die onzichtbaar zijn voor het menselijk oog. Het model voorspelde met succes tot 42% van alle intervalkankers bij vrouwen die tot de top 20% van de risicoscores behoorden, een potentiële doorbraak in gepersonaliseerde borstkankerscreening.
“Onze bevindingen suggereren dat het beoordelen van de top 20% van de mammogrammen die door AI zijn gemarkeerd, kan helpen om bijna de helft van de intervalkankers eerder op te sporen”, zegt hoofdonderzoeker Joshua W.D. Rothwell. “Hierdoor kunnen clinici aanvullende beeldvorming, zoals MRI of contrastversterkte mammografie, aanbieden aan degenen die het grootste risico lopen.”
Sterke voorspellende nauwkeurigheid
De voorspellende nauwkeurigheid van de tool was het sterkst binnen het eerste jaar na screening, waardoor het een waardevol hulpmiddel is voor het verfijnen van de screeningsfrequentie en follow-upstrategieën. Hoewel het AI-model iets minder effectief presteerde bij vrouwen met extreem dicht borstweefsel, presteerde het nog steeds beter dan traditionele risicobeoordelingsmethoden.
Elk jaar ondergaan ongeveer 2,2 miljoen vrouwen in het Verenigd Koninkrijk een borstkankerscreening. Volgens professor Gilbert zou AI een transformatieve rol kunnen spelen bij het optimaliseren van dit grootschalige programma: “Als 20% van de vrouwen zou worden teruggeroepen voor aanvullende beeldvorming, zou dat betekenen dat ongeveer 440.000 vrouwen een verdere beoordeling zouden ondergaan, maar met een veel grotere precisie bij het identificeren van degenen die dat echt nodig hebben.”
De volgende fase van het onderzoek zal zich richten op het vergelijken van commerciële AI-tools, het modelleren van de economische impact en het uitvoeren van klinische proeven om de implementatie in de praktijk te evalueren. Door voorspellende AI te integreren in nationale screeningprogramma's, denken onderzoekers dat het mogelijk zal zijn om over te stappen op meer gepersonaliseerde, datagestuurde borstkankerpreventie, waardoor vroegtijdige opsporing wordt verbeterd en onnodige beeldvorming wordt vermeden.
Voorspellen borstkanker risico
Een paar maanden geleden kreeg een nieuwe AI-gebaseerde technologie voor het voorspellen van het risico op borstkanker, Prognosia Breast, de status “Breakthrough Device” van de Amerikaanse FDA, waardoor de weg werd vrijgemaakt voor een versnelde klinische implementatie. De software is ontwikkeld aan de Washington University School of Medicine en in licentie gegeven aan Prognosia Inc. De software maakt gebruik van 2D- en 3D-mammografiebeelden om het vijfjarige borstkankerrisico van een individu te berekenen, uitsluitend op basis van beeldgegevens en leeftijd.
De AI is getraind op tienduizenden historische mammogrammen van het Siteman Cancer Center en detecteert subtiele afwijkingen die onzichtbaar zijn voor het menselijk oog. De AI voorspelt het kankerrisico met een nauwkeurigheid die meer dan twee keer zo hoog is als die van traditionele, op vragenlijsten gebaseerde methoden. Prognosia Breast vervangt radiologen niet, maar ondersteunt hen door vrouwen te signaleren die mogelijk aanvullende screening of preventieve therapie nodig hebben. Omdat het naadloos kan worden geïntegreerd in de bestaande mammografie-infrastructuur, zijn de implementatiebarrières minimaal. Door risicopatiënten jaren eerder te identificeren, kan het systeem zorgen voor een vroegere detectie, gepersonaliseerde preventie en een effectievere behandeling van borstkanker.
AI-algoritme
Vorig jaar ontwikkelden onderzoekers van de Washington University School of Medicine hebben een AI-algoritme dat het risico op borstkanker ruim twee keer zo nauwkeurig kan voorspellen als bestaande methoden. Waar traditionele risicomodellen vooral kijken naar klinische factoren zoals leeftijd, ras en familiegeschiedenis, analyseert dit algoritme mammogrammen die over meerdere jaren zijn genomen.
De AI-tool detecteert subtiele veranderingen in borstdichtheid, textuur, verkalking en asymmetrie die voor het menselijk oog onzichtbaar zijn. Door deze beeldgegevens over tijd te vergelijken, kan het systeem vrouwen met een verhoogd risico beter identificeren. Het algoritme werd getraind op mammogrammen van ruim 10.000 vrouwen en vervolgens getest op een tweede groep van meer dan 18.000 vrouwen.
De resultaten waren indrukwekkend: vrouwen die door de AI als hoogrisico werden ingedeeld, hadden 21 keer meer kans om binnen vijf jaar borstkanker te ontwikkelen dan vrouwen met een laag risico. De nieuwe methode identificeerde meer dan twee keer zoveel echte risicogevallen als de traditionele aanpak.
