Mesterséges intelligencia a mellrák ötéves kockázatának előrejelzésére

A JCO Clinical Cancer Informatics folyóiratban december 5-én jelent meg a Washington University School of Medicine kutatóinak cikke, amelyben a mammográfos képalkotó vizsgálatok elemzésének olyan innovatív módszerét írják le, amely jelentősen javítja a mellrák ötéves kialakulásának prognózisát. Az új módszer a korábbi, akár három évre visszamenő mammográfos felvételeket felhasználva 2,3-szor pontosabban azonosította az emlőrák kialakulásának magas kockázatával rendelkező egyéneket, mint a szokásos módszer, amely kizárólag a klinikai kockázati tényezőket – például az életkort, a rasszt és a családi anamnézist felmérő kérdőíveken alapult.

Folyamatosan keressük a korai felismerés pontosságát javító módszereket, mivel ez növeli a sikeres kezelés esélyét – nyilatkozta a tanulmány társszerzője, Graham A. Colditz. – A kockázat mértékének pontosabb előrejelzése segítheti a megelőzéssel kapcsolatos kutatásokat is, hogy a magas kockázati kategóriába tartozó nők számára jobb módszereket találjunk arra, hogy csökkenthessük az emlőrák kialakulásának ötéves kockázatát.

A mostani cikkben ismertetett kockázat-előrejelzési módszer a Colditz és az első szerző, Shu (Joy) Jiang statisztikus, adattudós által vezetett korábbi kutatásokra épül, amelyekben azt tárták fel, hogy a korábbi mammográfos felvételek rengeteg olyan információt hordoznak a mellrák kialakulásának korai jeleiről, amelyeket még a jól képzett emberi szem sem képes érzékelni. Ezek az információk magukban foglalják az emlő sűrűségének idővel bekövetkező finom változásait, amely a mellben lévő rostos és zsírszövet relatív mennyiségét méri.

Az új tanulmányhoz a kutatócsoport egy mesterséges intelligencián alapuló algoritmust hozott létre, amely képes felismerni a mammográfos felvételek apró különbségeit, és segít azonosítani azokat a nőket, akiknél a legnagyobb a kockázata annak, hogy egy adott időintervallumban új emlődaganat alakulhat ki. A mell sűrűségén kívül a gépi tanuláson alapuló eszközük figyelembe veszi a képek egyéb mintázatainak változásait is, beleértve a textúrát, a meszesedést és a melleken belüli aszimmetriát.

Új módszerünk képes az ismételt mammográfos felvételeken az idő múlásával bekövetkező finom, szemmel nem látható változásokat felismerni – fejtette ki Jiang. – Ugyanakkor ezek a változások gazdag információforrást jelentenek, amelyek segíthetnek a magas kockázatú egyének azonosításában. Jelenleg a kockázatcsökkentési lehetőségek korlátozottak, és olyan gyógyszereket tartalmazhatnak, mint a tamoxifen, amelyek valóban csökkentik ugyan a kockázatot, de nemkívánatos mellékhatásokkal járhatnak. A nagy kockázatú nőknek legtöbbször gyakoribb szűrővizsgálatot ajánlanak fel, vagy egy másik képalkotó módszer, például MRI lehetőségét, hogy megpróbálják minél korábban felismerni a rákot. Ma még nem tudjuk, hogy a mammográfiás felvételek alapján ki az, akinél a jövőben valószínűleg mellrák alakul ki – ám a mi kutatásunkban pont az az izgalmas, hogy az algoritmus segítségével a jelenlegi és korábbi mammográfos felvételekből ki lehet nyerni ezt az információt. Az előrejelzés soha nem lesz tökéletes, de ez a tanulmány azt sugallja, hogy az új algoritmus sokkal jobb, mint a jelenlegi módszereink.

A kutatók több mint 10 ezer olyan nő mammográfos felvételein képezték ki a gépi tanuláson (machine learning) alapuló algoritmusukat, akik 2008 és 2012 között a Siteman Cancer Center révén emlőrákszűrésen vettek részt. Ezeket a személyeket 2020-ig követték, és ez idő alatt 478 résztvevőnél diagnosztizáltak mellrákot. A kutatók ezután egy másik betegcsoportban alkalmazták az emlőrák kockázatának előrejelzésére fejlesztett módszert – ebben a kohorszban több mint 18 ezer olyan nő felvételei voltak, akik 2013-2020 között az Atlanta területén található Emory Egyetemen mammográfiás vizsgálaton vettek részt (itt 332 nőnél diagnosztizáltak mellrákot a 2020-ig tartó követési időszakban).

Az új prognosztikai modell szerint az algoritmus által a magas kockázatú csoportba tartozó nőknél 21-szer nagyobb valószínűséggel diagnosztizáltak mellrákot a következő öt évben, mint a legalacsonyabb kockázatú csoportba sorolt nőknél. A magas kockázatú csoportban 1000 szűrésen részt vett nőből 53-nál alakult ki mellrák a következő öt év során, míg az alacsony kockázatú csoportban 1000 szűrésből csak 2,6 nőnél. A régi, kérdőíves módszerrel 1000 szűrésen átesett nőből csak 23 nőt soroltak helyesen a magas kockázatú csoportba, vagyis a régi módszer 30 olyan mellrákos eset felett siklott el, amelyeket az új módszer megtalált.

Írásunk az alábbi közlemények alapján készült:

Algorithmanalyzes multiple mammograms to improvebreast cancer riskprediction

Efficacy of acupuncture in refractory irritable bowel syndrome patients: a randomizedcontrolledtrial

Irodalmi hivatkozás:

Shu Jiang et al.: Development and validation of a dynamic 5-year breast cancer riskmodelusingrepeatedmammograms, JCO Clinical Cancer Informatics (2024). DOI: 10.1200/CCI-24-00200. ascopubs.org/doi/10.1200/CCI-24-00200.