Een van de meest gebruikte onderzoeken voor het screenen op borstkanker is het maken van een mammogram. Uit nieuw wetenschappelijk onderzoek is onlangs aangetoond dat mammogrammen, met behulp van AI-modellen, ook aanwijzingen voor andere aandoeningen kunnen onthullen. In een van die onderzoeken, gepresenteerd tijdens een sessie van het American College of Cardiology (ACC.25), laat zien dat op deze manier ook de hoeveelheid calcium in de slagaders in het borstweefsel bepaald kan worden - een indicator voor de gezondheid van hart en bloedvaten.
Wanneer een mammogram geanalyseerd wordt, dan ligt de focus in borstkankeronderzoek natuurlijk op het ontdekken van tumoren en andere afwijkend weefsel. Op de beelden van een mammogram kunnen ook verkalkingen in de borstslagaders zichtbaar zijn. Deze informatie wordt door radiologen echter meestal niet gerapporteerd.
AI-model bepaalt cardiovasculaire risicoscore
Het nieuwe onderzoek, waarbij een AI-beeldanalysetechniek werd gebruikt die nog niet eerder werd toegepast bij mammogrammen, laat zien hoe AI deze leemte kan opvullen door automatisch verkalkingen in de borstslagaders te analyseren en de resultaten te vertalen naar een cardiovasculaire risicoscore.
“We zien een kans voor vrouwen om gescreend te worden op kanker en daarnaast een cardiovasculaire screening te krijgen op basis van hun mammogrammen. Ons onderzoek toonde aan dat verkalking van de borstarteriën een goede voorspeller is van hart- en vaatziekten, vooral bij patiënten jonger dan 60 jaar. Als we deze patiënten vroeg kunnen screenen en identificeren, kunnen we ze doorverwijzen naar een cardioloog voor verdere risicobeoordeling.” aldus Theo Dapamede, MD, Ph.D., een postdoctoraal onderzoeker aan de Emory University in Atlanta en hoofdauteur van het onderzoek.
Ontwikkeling AI-model
Om het AI-model te ontwikkelen dat voor dit onderzoek werd gebruikt, trainden onderzoekers het model met deep learning om verkalkte bloedvaten te segmenteren in mammografiebeelden (die verschijnen als heldere pixels op röntgenfoto's) en het toekomstige risico op cardiovasculaire voorvallen te berekenen op basis van gegevens uit elektronische patiëntendossiers.
De segmentatiebenadering is de onderscheidende factor van dit model in vergelijking met eerdere AI-modellen die zijn ontwikkeld voor het analyseren van verkalkingen in borstslagaders. Door gebruik te maken van een grote dataset voor training en testen werd het model verder versterkt. De dataset bevatte beelden en gezondheidsdossiers van meer dan 56.000 patiënten die tussen 2013 en 2020 een mammografie hadden bij Emory Healthcare en ten minste vijf jaar aan follow-up gegevens uit elektronische gezondheidsdossiers hadden. “Vooruitgang op het gebied van deep learning en AI heeft het veel haalbaarder gemaakt om meer informatie uit beelden te halen en te gebruiken voor opportunistische screening,” aldus Dapamede.
Goede resultaten
De algemene bevindingen toonden aan dat het nieuwe model goed presteerde in het karakteriseren van het cardiovasculaire risico van patiënten als laag, matig of ernstig op basis van mammografiebeelden. Na het berekenen van het risico op overlijden door welke oorzaak dan ook of het krijgen van een acuut hartinfarct, beroerte of hartfalen na twee jaar en na vijf jaar, toonde het model aan dat het risico op deze ernstige cardiovasculaire voorvallen toenam met het verkalkingsniveau van de arteriële borstkas in twee van de drie beoordeelde leeftijdscategorieën - vrouwen jonger dan 60 en tussen de 60 en 80 jaar, maar niet bij vrouwen ouder dan 80 jaar.
De resultaten toonden ook aan dat vrouwen met het hoogste niveau van arteriële verkalking in de borst (meer dan 40 mm2) een significant lagere vijf-jaars gebeurtenisvrije overleving hadden dan vrouwen met het laagste niveau (minder dan 10 mm2). Het AI-model is ontwikkeld in samenwerking tussen Emory Healthcare en Mayo Clinic en is momenteel nog niet beschikbaar voor gebruik. Daarvoor is externe, klinische, validatie nodig in vervolgonderzoek.
De meerwaarde van AI voor het analyseren van mammogrammen werd eerder ook al aangetoond in een onderzoek. Daarbij kon, aan de hand van mammogrammen die over eenperiode van drie jaar, als onderdeel van preventief borstkankeronderzoek gemaakt waren, het risico op borstkanker voorspellen ruim twee keer nauwkeuriger voorspeld worden.
