Contact presa:

cancerul

Imaginea anterioară Imaginea următoare

În ciuda progreselor majore în genetică și imagistică modernă, diagnosticul surprinde majoritatea pacienților cu cancer mamar prin surprindere. Pentru unii, vine prea târziu. Diagnosticul ulterior înseamnă tratamente agresive, rezultate incerte și mai multe cheltuieli medicale. Ca rezultat, identificarea pacienților a fost un pilon central al cercetării cancerului de sân și al detectării precoce eficiente.

Având în vedere acest lucru, o echipă de la Laboratorul de Informatică și Inteligență Artificială (CSAIL) al MIT și Spitalul General din Massachusetts (MGH) a creat un nou model de învățare profundă care poate prezice dintr-o mamografie dacă este posibil ca un pacient să dezvolte cancer de sân la fel de mult. ... ca cinci ani în viitor. Antrenat pe mamografii și rezultate cunoscute de la peste 60.000 de pacienți cu MGH, modelul a învățat tiparele subtile din țesutul mamar care sunt precursori ai tumorilor maligne.

Profesorul MIT Regina Barzilay, ea însăși supraviețuitoare a cancerului de sân, spune că speranța este ca sisteme ca acestea să permită medicilor să personalizeze programe de screening și prevenire la nivel individual, făcând din diagnosticarea tardivă o relicvă a trecutului.

Deși s-a demonstrat că mamografia reduce mortalitatea prin cancer de sân, există o dezbatere continuă asupra frecvenței de screening și a momentului de început. În timp ce Societatea Americană a Cancerului recomandă screeningul anual începând cu vârsta de 45 de ani, SUA Preventive Task Force recomandă screeningul la fiecare doi ani începând cu vârsta de 50 de ani.

„Mai degrabă decât să adoptăm o abordare unică pentru toți, putem personaliza screening-ul în jurul riscului unei femei de a dezvolta cancer”, spune Barzilay, autor principal al unei noi lucrări despre proiect, prezentat astăzi în Radiologie. De exemplu, un medic ar putea recomanda ca unui grup de femei să li se facă o mamografie din doi în doi ani, în timp ce un alt grup cu risc crescut ar putea face screening suplimentar pentru RMN. Barzilay este profesor Delta Electronics la CSAIL și Departamentul de Inginerie Electrică și Informatică la MIT și membru al Institutului Koch pentru Cercetarea Integrativă a Cancerului la MIT.

Modelul echipei a fost semnificativ mai bun în prezicerea riscului decât abordările existente: a plasat cu precizie 31% din toți pacienții cu cancer în categoria sa cu cel mai mare risc, comparativ cu doar 18% pentru modelele tradiționale.

Profesorul de la Harvard, Constance Lehman, spune că anterior a existat un sprijin minim în comunitatea medicală pentru strategii de screening bazate pe risc, mai degrabă decât pe vârstă.

„Acest lucru se datorează faptului că înainte nu aveam instrumente exacte de evaluare a riscurilor care să funcționeze pentru femei individuale”, spune Lehman, profesor de radiologie la Harvard Medical School și șef al diviziei de imagistică a sânilor la MGH. „Munca noastră este prima care arată că este posibil”.

Barzilay și Lehman au co-scris lucrarea împreună cu autorul principal Adam Yala, un doctorand CSAIL. Alți coautori ai MIT includ doctorandul Tal Schuster și fostul student la masterat Tally Portnoy.

Cum functioneaza

De la primul model de risc de cancer de sân din 1989, dezvoltarea a fost în mare parte determinată de cunoașterea și intuiția umană a factorilor de risc majori, cum ar fi vârsta, istoricul familial al cancerului de sân și ovarian, factorii hormonali și de reproducere și densitatea sânilor.

Cu toate acestea, majoritatea acestor markeri sunt doar slab corelați cu cancerul de sân. În consecință, astfel de modele nu sunt încă foarte exacte la nivel individual și multe organizații continuă să simtă că programele de screening bazate pe risc nu sunt posibile, având în vedere aceste limitări.

În loc să identifice manual modelele dintr-o mamografie care determină cancerul viitor, echipa MIT/MGH a instruit un model de învățare profundă pentru a deduce modelele direct din date. Folosind informații de la peste 90.000 de mamografii, modelul a detectat modele prea subtile pentru ca ochiul uman să le poată detecta.

„Din anii 1960 radiologii au observat că femeile au modele unice și foarte variabile de țesut mamar vizibile pe mamografie”, spune Lehman. „Aceste tipare pot reprezenta influența geneticii, hormonilor, sarcinii, alăptării, dietei, pierderii în greutate și creșterii în greutate. Acum putem folosi aceste informații detaliate pentru a fi mai precise în evaluarea riscurilor noastre la nivel individual. ”

Detectarea cancerului este mai echitabilă

Proiectul vizează, de asemenea, evaluarea riscurilor mai precisă pentru minoritățile rasiale, în special. Multe modele timpurii au fost dezvoltate pe populații albe și au fost mult mai puțin precise pentru alte rase. Între timp, modelul MIT/MGH este la fel de precis pentru femeile albe și negre. Acest lucru este deosebit de important, având în vedere că femeile negre s-au dovedit a fi cu 42% mai predispuse să moară din cauza cancerului de sân din cauza unei game largi de factori care pot include diferențe în detectarea și accesul la asistența medicală.

„Este deosebit de izbitor faptul că modelul funcționează la fel de bine pentru persoanele albe și negre, ceea ce nu a fost cazul cu instrumentele anterioare”, spune Allison Kurian, profesor asociat de medicină și cercetare/politică în domeniul sănătății la Școala de Medicină a Universității Stanford. "Dacă este validat și pus la dispoziție pentru utilizare pe scară largă, acest lucru ar putea îmbunătăți cu adevărat strategiile noastre actuale de estimare a riscului."

Barzilay spune că sistemul lor ar putea, într-o zi, să permită medicilor să utilizeze mamografii pentru a vedea dacă pacienții prezintă un risc mai mare pentru alte probleme de sănătate, cum ar fi bolile cardiovasculare sau alte tipuri de cancer. Cercetătorii sunt dornici să aplice modelele pentru alte boli și afecțiuni și, în special, pentru cele cu modele de risc mai puțin eficiente, cum ar fi cancerul pancreatic.

Scopul nostru este de a face aceste progrese o parte a standardului de îngrijire, spune Yala. „Prezicând cine va dezvolta cancer în viitor, sperăm să salvăm vieți și să prindem cancer înainte ca simptomele să apară vreodată”.