AI kan op basis van mammografiebeelden niet alleen het risico op borstkanker inschatten, maar ook veranderingen in dat risico over meerdere jaren volgen. Onderzoekers laten zien dat AI-risicoscores bij vrouwen die later borstkanker ontwikkelen al tot zes jaar vóór de diagnose beginnen te stijgen, terwijl de scores bij vrouwen zonder kanker vrijwel stabiel blijven. Volgens de onderzoekers markeert dit een belangrijke stap richting dynamische en meer gepersonaliseerde risicobeoordeling.
Traditionele risicomodellen voor borstkanker zijn gebaseerd op factoren zoals leeftijd, familiegeschiedenis, genetische mutaties en borstweefseldichtheid. Die modellen blijken echter beperkt onderscheidend, vooral binnen bevolkingsonderzoeken. Bovendien heeft het merendeel van de vrouwen bij wie borstkanker wordt vastgesteld geen bekende genetische aanleg of duidelijke familiegeschiedenis.
Moderne deep learning-modellen benaderen het probleem anders. Zij analyseren de volledige mammografie in plaats van één vooraf vastgesteld beeldkenmerk, zoals de dichtheid van het borstweefsel. Eerdere onderzoeken lieten al zien dat dergelijke AI-modellen de kans op het ontwikkelen van borstkanker binnen vijf jaar nauwkeuriger kunnen voorspellen dan traditionele risicomodellen.
Veranderingen in risicoscore
Voor het nieuwe onderzoek analyseerden onderzoekers mammografieën van vrouwen die tussen 2009 en 2019 deelnamen aan bevolkingsonderzoeken op zes verschillende locaties, variërend van academische centra tot regionale en landelijke zorginstellingen. Uiteindelijk werden gegevens van 54.014 vrouwen geïncludeerd, met een mediane leeftijd van 61 jaar.
Van iedere deelnemer werd de laatste screening vóór een eventuele diagnose geanalyseerd, aangevuld met maximaal zes eerdere jaarlijkse mammografieën. In totaal werden 158.807 mammografiebeelden onderzocht. De AI berekende voor iedere scan een continue vijfjaars-risicoscore, uitsluitend op basis van de beeldinformatie. Demografische gegevens, medische voorgeschiedenis of eerdere beeldvorming werden daarbij niet gebruikt.
Tijdens de onderzoeksperiode kregen 817 vrouwen binnen één jaar na hun laatste mammografie de diagnose borstkanker. Daarvan had 55 procent een invasieve tumor, terwijl 14 procent werd gediagnosticeerd met ductaal carcinoom in situ (DCIS). Het grootste deel van de tumoren werd tijdens reguliere screening ontdekt; 17 procent betrof intervalkankers die tussen twee screeningsrondes aan het licht kwamen.
AI ziet patronen die voor het menselijk oog onzichtbaar zijn
De onderzoekers zagen duidelijke verschillen in de ontwikkeling van de AI-risicoscores tussen vrouwen die wel en geen borstkanker kregen. Bij de vrouwen die later kanker ontwikkelden steeg de mediane risicoscore geleidelijk van 2,1 in de eerste jaren naar 6,6 vlak vóór de diagnose. Bij vrouwen die gedurende de gehele onderzoeksperiode geen borstkanker kregen, bleven de scores vrijwel onveranderd, met mediane waarden tussen 1,8 en 2,2.
Opvallend was dat de stijging van de AI-score al ongeveer zes jaar vóór de uiteindelijke diagnose zichtbaar werd. In de laatste twee jaar vóór de diagnose nam die stijging vervolgens sterk toe. Volgens de onderzoekers wijst dit erop dat AI subtiele beeldveranderingen detecteert die voor radiologen niet zichtbaar zijn, maar wel samenhangen met toekomstige tumorontwikkeling. De gevonden patronen bleken bovendien consistent, ongeacht leeftijd of borstweefseldichtheid. Daarmee lijkt de methode breed toepasbaar binnen verschillende patiëntengroepen.
Dynamische AI-risicoscore
Volgens de onderzoekers kan een dynamische AI-risicoscore bijdragen aan een meer gepersonaliseerde aanpak van borstkankerscreening en preventie. Omdat de beoordeling uitsluitend gebaseerd is op beeldgegevens, is zij niet afhankelijk van onvolledige of onnauwkeurige klinische informatie of zelfgerapporteerde risicofactoren. De onderzoekers zien AI-risicoscores daarom als een nieuwe vorm van beeldbiomarker, waarmee vrouwen met een verhoogd risico eerder kunnen worden geïdentificeerd en mogelijk intensiever gevolgd of preventief behandeld.
Die ontwikkeling krijgt inmiddels ook een plaats in de klinische praktijk. AI-gebaseerde risicoscores op basis van mammografiebeelden zijn opgenomen in de Amerikaanse National Comprehensive Cancer Network (NCCN)-richtlijnen voor 2026. Daarin wordt aanbevolen dat vrouwen vanaf 35 jaar met een verhoogde vijfjaars-risicoscore van meer dan 1,7 procent naast de jaarlijkse mammografie ook een MRI-screening overwegen.
In de Verenigde Staten wordt inmiddels op een aantal zorglocaties een door de Amerikaanse FDA goedgekeurd AI-model gebruikt dat op basis van mammografiebeelden het vijfjaarsrisico op borstkanker berekent. De onderzoekers verwachten dat dergelijke dynamische risicomodellen in de toekomst kunnen bijdragen aan een meer preventieve en gepersonaliseerde aanpak van borstkanker, waarbij veranderingen in het individuele risicoprofiel over de tijd centraal staan.
Ver vooruit voorspellen
Begin dit jaar verscheen een AI-model dat op basis van mammogrambeelden nauwkeuriger kan voorspellen welke vrouwen in de komende vier jaar borstkanker ontwikkelen. De zogeheten BRAIx-risicoscore is ontwikkeld uit een AI-algoritme dat oorspronkelijk bedoeld was voor tumordetectie. Het model werd getraind met gegevens van bijna 400.000 vrouwen en vervolgens gevalideerd in grote onderzoeksgroepen uit Australië en Zweden.
Vrouwen met de hoogste twee procent van de BRAIx-risicoscores hadden een kans van 9,7 procent om binnen vier jaar borstkanker te ontwikkelen, ondanks een eerdere negatieve screening. Volgens de onderzoekers presteert het model beter dan traditionele risicofactoren, zoals borstweefseldichtheid of familiegeschiedenis. De technologie kan de weg vrijmaken voor meer gepersonaliseerde screeningsprogramma’s, al is verdere klinische validatie nog nodig voordat brede toepassing mogelijk is.
Referenties
Radiology (Onderzoek)
