Mamografia AI pode ter um papel na previsão de risco de câncer de mama

O estudo da Kaiser Permanente descobriu que os algoritmos de inteligência artificial funcionam melhor do que a ferramenta de previsão de risco de câncer de mama comumente usada

Por Sue Rochman

Algoritmos de inteligência artificial treinados para ler mamografias foram melhores preditores do risco futuro de câncer de mama de uma mulher do que uma ferramenta de avaliação de risco de câncer de mama comumente usada, segundo um novo estudo da Kaiser Permanente.

A pesquisa, publicada em 6 de junho na Radiology, sugere que os biomarcadores de imagem relacionados ao risco vistos nas mamografias – que os computadores podem identificar e usar para gerar uma pontuação de risco – podem ajudar os médicos a fornecer às mulheres recomendações de rastreamento de câncer de mama mais personalizadas.

“Precisamos ter maneiras mais precisas e eficientes de avaliar o risco futuro de câncer de mama de uma mulher”, disse o principal autor do estudo, Vignesh Arasu, MD, PhD, cientista pesquisador da Divisão de Pesquisa Kaiser Permanente e radiologista especializado em imagens de mama do The Permanente. Grupo Médico. “Nosso estudo mostra que em mamografias que parecem negativas para um radiologista – o que significa que não há sinal de tumor – há informações que os computadores podem ver que podem ajudar a avaliar o risco de uma mulher ser diagnosticada com câncer de mama nos próximos 5 anos. "

O estudo retrospectivo incluiu 324.000 mulheres que fizeram uma mamografia que não encontrou sinais de câncer de mama em 2016 na Kaiser Permanente Northern California. Nenhuma das mulheres já teve câncer de mama ou foi diagnosticada com uma mutação genética que aumenta o risco de câncer de mama. Cerca de 24% das mulheres tinham menos de 50 anos quando fizeram a mamografia e cerca de 87% não tinham parentes de primeiro grau com histórico de câncer de mama.

Nos próximos 5 anos, 4.584 das mulheres foram diagnosticadas com câncer de mama. Destas, 83% foram diagnosticadas com câncer de mama invasivo e 17% foram diagnosticadas com carcinoma ductal não invasivo in situ (CDIS). O estudo comparou essas mulheres com 13.435 das 324.000 mulheres do grupo original que não desenvolveram câncer de mama.

Os pesquisadores tiveram 5 algoritmos de inteligência artificial (IA) relatando uma pontuação de previsão de risco de câncer de mama em 5 anos a partir das imagens de mamografia feitas para essas mulheres em 2016.

Os pesquisadores também usaram o modelo de risco clínico do Consórcio de Vigilância do Câncer de Mama (BCSC) para avaliar o risco de cada mulher desenvolver câncer de mama nos próximos 5 anos. O modelo prevê o risco usando idade, raça ou etnia, história familiar de primeiro grau de câncer de mama, número de biópsias benignas de mama anteriores e densidade mamográfica da mama. A pontuação de cada mulher foi calculada usando dados clínicos em seu prontuário eletrônico no momento da mamografia em 2016.

O estudo mostrou que as mulheres com as maiores pontuações de risco BCSC - o percentil 90 superior - representaram 21,1% de todos os cânceres nos próximos 5 anos. Em comparação, as mulheres com as maiores pontuações de risco de IA representaram 24% a 28% de todos os cânceres.

“No momento, a maioria dos algoritmos de IA treinados para ler mamografias são usados ​​para sinalizar um câncer visível para auxiliar os radiologistas”, disse Arasu. “Mas esses algoritmos também podem ver biomarcadores de imagem em mamografias – além da densidade da mama – que nos dizem que há mudanças acontecendo no tecido mamário que podem ser usadas para prever o risco”.

Os pesquisadores também usaram um método estatístico chamado área sob a curva (AUC) para comparar o quão bem cada modelo de risco previu quais mulheres seriam diagnosticadas com câncer de mama nos próximos 5 anos. Um resultado AUC pode variar de 0,0 (nenhuma previsão correta) a 1,0 (todas as previsões estavam corretas). O modelo BCSC teve uma AUC de 0,61. Em comparação, os modelos de IA tiveram um resultado de previsão de risco que variou de 0,63 a 0,67.

Quando as previsões de risco AI e BSCS foram combinadas, a AUC variou de 0,66 a 0,68, o que foi maior do que todos os algoritmos individuais de AI. O modelo combinado foi ainda melhor na previsão de mulheres que tiveram um diagnóstico de câncer de mama no intervalo de um ano após a mamografia, com uma AUC tão alta quanto 0,73. Um câncer de mama de intervalo é um tumor diagnosticado – geralmente porque uma mulher encontra um nódulo na mama – durante o período entre uma mamografia de rastreamento que parece normal e sua próxima mamografia de rastreamento programada. Os cânceres de intervalo são tipicamente cânceres de crescimento rápido que são mais propensos a se espalhar para outras partes do corpo.