Een AI-model dat meerdere 3D-mammogrammen van dezelfde vrouw door de jaren heen vergelijkt, kan het risico op borstkanker voor de komende vijf jaar beter voorspellen dan modellen die alleen naar de meest recente scan kijken. Onderzoekers van NYU Langone Health en het Perlmutter Cancer Center denken dat deze aanpak uiteindelijk kan helpen om borstkankerscreening beter af te stemmen op het persoonlijke risico van vrouwen.
Het deep-learningmodel, NYU-DRP, gebruikt digitale borsttomosynthese (DBT), oftewel 3D-mammografie. Het vergelijkt beelden die tijdens verschillende jaarlijkse screenings zijn gemaakt. De studie is gepubliceerd in het American Journal of Roentgenology. NYU-DRP wist vrouwen met een hoger risico in 72 procent van de gevallen correct te onderscheiden. Een model dat alleen naar de meest recente 3D-mammografie keek, kwam uit op 70 procent. Een AI-model op basis van 2D-mammografieën behaalde 68 procent.
Veranderingen door de jaren heen
Voor de ontwikkeling van NYU-DRP gebruikten de onderzoekers 313.531 jaarlijkse 3D-mammografieën van 161.165 vrouwen zonder borstkanker. Zij ondergingen tussen 2016 en 2020 beeldvormend onderzoek in ziekenhuizen van NYU Langone. Door meerdere mammogrammen van dezelfde vrouw te vergelijken, kan AI veranderingen in het borstweefsel door de jaren heen meenemen. Volgens de onderzoekers bevatten die veranderingen informatie over het toekomstige risico op borstkanker die op één losse scan niet zichtbaar is.
Het team vergeleek NYU-DRP ook met Tyrer-Cuzick, een bestaand model dat het risico inschat aan de hand van onder meer leeftijd, familiegeschiedenis, persoonlijke medische voorgeschiedenis, genetische mutaties, borstdichtheid en eerdere biopsieën.
Voor deze vergelijking werden 432 vrouwen onderzocht. De helft van hen ontwikkelde binnen vijf jaar borstkanker. Zij werden gekoppeld aan vrouwen van vergelijkbare leeftijd en achtergrond die geen borstkanker kregen. NYU-DRP maakte in 67 procent van de gevallen de juiste risico-inschatting, tegenover 56 procent voor Tyrer-Cuzick. In de totale onderzoeksgroep, die tot 2025 werd gevolgd, kreeg minder dan 3 procent van de vrouwen borstkanker.
Meer dan alleen borstdichtheid
De resultaten laten ook zien dat borstdichtheid alleen niet het hele verhaal vertelt. Dicht borstweefsel is een bekende risicofactor voor borstkanker, maar binnen dezelfde categorieën zag het AI-model duidelijke verschillen in risico.
Van de vrouwen met extreem dicht borstweefsel deelde NYU-DRP bijvoorbeeld 37,6 procent in bij de groep met een gemiddeld risico. Bij hen bedroeg het daadwerkelijke percentage borstkanker binnen vijf jaar 0,7 procent. Andersom plaatste het model 15,5 procent van de vrouwen met minder dicht, vetter borstweefsel in de hoogrisicogroep. In die groep ontwikkelde 2,5 procent binnen vijf jaar borstkanker.
Volgens hoofdonderzoeker Yiqiu ‘Artie’ Shen wijst dit erop dat eerdere 3D-mammogrammen informatie over het toekomstige risico bevatten die niet volledig uit borstdichtheid of één mammogram kan worden gehaald.
Screening beter afstemmen op risico
Op termijn zou zo'n AI-model kunnen helpen om screening persoonlijker te maken. Vrouwen met een hoger voorspeld risico zouden bijvoorbeeld in aanmerking kunnen komen voor aanvullende screening, terwijl vrouwen met een lager risico mogelijk onnodige extra onderzoeken kunnen vermijden.
Zover is het echter nog niet. NYU-DRP is nog niet klaar om beslissingen over screening in de dagelijkse praktijk te ondersteunen. De onderzoekers willen het model daarom prospectief testen en nagaan of toepassing ervan daadwerkelijk invloed heeft op gezondheidsuitkomsten en de opsporing van borstkanker.
Ook externe validatie is nodig. Het huidige onderzoek gebruikte beelden die met apparatuur van één fabrikant waren gemaakt. Het team wil NYU-DRP daarom ook testen met gegevens van andere medische centra en verschillende mammografiesystemen. Pas daarna kan duidelijker worden welke rol het model kan spelen bij gepersonaliseerde borstkankerscreening.
AI-ondersteunde mammografie
Eind 2024 werd middels een onderzoek ook al aangetoond dat met behulp van AI het risico op borstkanker nauwkeuriger voorspeld kan worden. Destijds werd met name gesproken over de verbeterde analyse van kenmerken op mammografieën die met traditionele methoden minder goed zichtbaar zijn. Daarbij speelt mammografische dichtheid een belangrijke rol. Vrouwen met relatief dicht borstweefsel hebben doorgaans een hoger risico op borstkanker, terwijl tumoren bij hen ook moeilijker te herkennen kunnen zijn op een mammogram.
Deep-learningmodellen kunnen aanvullende kenmerken uit mammografieën halen die samenhangen met het toekomstige risico. Dat kan op termijn helpen om screening beter af te stemmen op individuele vrouwen. Bij een hoger risico kan bijvoorbeeld frequentere screening of aanvullende beeldvorming met MRI of echografie worden overwogen.
Referenties
American Journal of Roentgenology (onderzoek)
Voeg ICT&health toe aan Google
Toon meer content van ICT&health in Google Zoeken.
