Een in de VS ontwikkeld AI-algoritme kan aan de hand van mammogrammen die over eenperiode van drie jaar, als onderdeel van preventief borstkankeronderzoek bijvoorbeeld, ruim twee keer nauwkeuriger het risico op borstkanker voorspellen. Met de bestaande onderzoeksmethoden worden deze mammogrammen beoordeeld aan de hand van vragenlijsten die alleen de klinische risicofactoren beoordelen, zoals leeftijd, ras en familiegeschiedenis van borstkanker.
De wetenschappers van de Washington University School of Medicine in St. Louis zochten naar manieren om het vroegtijdig opsporen van borstkanker verder te verbeteren. Voor hun onderzoek gebruikten zij een ander onderzoek, van Graham A. Colditz, MD, DrPH, associate director van het Siteman Cancer Center, gevestigd in het Barnes-Jewish Hospital en WashU Medicine, en de Niess-Gain hoogleraar chirurgie, als basis.
Waardevolle informatie uit eerdere mammogrammen
Hij toonde eerder al aan dat het vergelijken van mammogrammen die over een periode van een aantal jaar gemaakt zijn, een schat aan informatie bevatten die op vroege tekenen van borstkankerontwikkeling kunnen wijzen. Tekenen die zelfs door een goed getraind menselijk oog niet kan worden waargenomen. Het betreft informatie over subtiele veranderingen in de loop van de tijd in borstdichtheid, wat een maat is voor de relatieve hoeveelheid vezelig versus vetweefsel in de borsten.
Voor het nieuwe onderzoek ontwikkelde het team van de Washington University School of Medicine een AI-algoritme dat de subtiele verschillen in mammogrammen kan onderscheiden en zo in staat is te helpen bij het identificeren van vrouwen met het hoogste risico op het ontwikkelen van een nieuwe borsttumor gedurende een specifieke periode. Naast borstdensiteit houdt hun machine-learning tool rekening met veranderingen in andere patronen in de beelden, zoals textuur, verkalking en asymmetrie binnen de borsten.
“Onze nieuwe methode is in staat om subtiele veranderingen in de loop van de tijd te detecteren in herhaalde mammografiebeelden die niet zichtbaar zijn voor het oog, maar wel een schat aan informatie bevatten die kan helpen bij het identificeren van personen met een hoog risico”, aldus de onderzoekers.
Betere risicovoorspelling dankzij AI
De onderzoekers trainden hun machine-learning algoritme op de mammogrammen van meer dan 10.000 vrouwen die van 2008-2012 borstkankeronderzoek kregen via het Siteman Cancer Center. Deze personen werden tot 2020 gevolgd en in die periode werd bij 478 van hen borstkanker vastgesteld.
De onderzoekers pasten vervolgens hun methode toe om het risico op borstkanker te voorspellen bij een andere groep van patiënten - meer dan 18.000 vrouwen die van 2013-2020 mammografieën kregen van Emory University in de regio Atlanta. Vervolgens werd bij 332 vrouwen borstkanker vastgesteld tijdens de follow-up periode, die eindigde in 2020.
Volgens het nieuwe voorspellingsmodel hadden vrouwen in de hoogrisicogroep 21 keer meer kans om in de daaropvolgende vijf jaar de diagnose borstkanker te krijgen dan vrouwen in de laagrisicogroep. In de hoogrisicogroep ontwikkelden 53 van elke 1.000 gescreende vrouwen borstkanker in de volgende vijf jaar.
In de groep met een laag risico ontwikkelden daarentegen 2,6 vrouwen per 1.000 gescreende vrouwen borstkanker in de volgende vijf jaar. Bij de oude, op vragenlijsten gebaseerde methoden werden slechts 23 vrouwen per 1.000 gescreende vrouwen correct ingedeeld in de hoogrisicogroep, wat bewijst dat de oude methode in dit geval 30 gevallen van borstkanker miste die de nieuwe methode vond.
AI en borstkanker
De meerwaarde die AI-algoritmen en -tools kunnen bieden voor de vroegtijdige detectie van borstkanker is een ontwikkeling die de afgelopen jaren al door meerdere wetenschappers, onderzoekers en (universitaire) ziekenhuizen opgepakt is. Recent nog bleek uit onderzoek van het UMC Utrecht dat een AI-tool pathologen helpt bij het beoordelen van de schildwachtklier om eventuele borstkankeruitzaaiingen te kunnen opsporen.
Ook in de behandelfase van borstkanker wordt AI al met succes toegepast. Bijvoorbeeld voor het beter, nauwkeuriger, intekenen van tumoren en omliggende organen. Daardoor verkort de tijd die nodig is om een bestralingsplan te maken. De tijdswinst die daarmee behaald wordt is aanzienlijk.
