12 декабря в журнале Trends in Cancer опубликована обзорная статья, в которой рассматривается роль искусственного интеллекта в будущем скрининга и профилактики рака молочной железы.
Старший автор исследования Эрик Томпсон из Квинслендского технологического университета в Брисбене, Австралия, отмечает, что в последние годы были достигнуты значительные успехи в прогнозировании риска рака молочной железы с помощью ИИ. Это открывает новые перспективы для улучшения методов скрининга и профилактики заболевания.
Маммографическая плотность и риск рака
Маммографическая плотность, определяемая как соотношение рентгенологически плотной и неплотной ткани молочной железы на снимке, является важным фактором риска рака молочной железы. Женщины с более высокой плотностью для своего возраста и индекса массы тела подвержены большему риску заболевания. Кроме того, высокая плотность может маскировать ранние признаки рака, что затрудняет его обнаружение с помощью маммографии.
Изменения в политике и технологиях
Правозащитные движения по всему миру требуют уведомления женщин о плотности их маммографии. В США, Канаде и Австралии уже вносятся изменения в политику, направленные на улучшение информирования пациенток.
В некоторых случаях для женщин с чрезвычайно плотной грудью могут использоваться дополнительные технологии визуализации, такие как ультразвук и магнитно-резонансная томография (МРТ), которые обеспечивают более высокий уровень выявления рака.
Роль искусственного интеллекта
Ученые и врачи продолжают исследовать сложности, связанные с маскирующим эффектом и риском рака, связанным с плотностью маммографии. Для прогнозирования будущего диагноза рака молочной железы используются передовые вычислительные подходы, такие как глубокое обучение.
Методы ИИ выявляют маммографические особенности, которые могут стать более надежными предикторами риска рака, чем любой другой известный фактор. Эти особенности могут объяснить связь между плотностью маммографии и риском рака.
Прогнозирование риска и персонализированный подход
Открытие маммографических функций, прогнозирующих риск с помощью ИИ, предоставляет новые возможности для выявления женщин с наибольшим риском развития рака молочной железы в будущем. Это позволяет отделить их от тех, кто подвержен риску пропустить рак из-за маскирующего эффекта.
Томпсон отмечает, что женщинам с высоким риском может быть полезно более частое обследование или прием лекарств, снижающих риск. В то же время, женщины с низкой вероятностью диагностики рака в ближайшие пять лет могут получить более длительные интервалы между скринингами.
Идентификация маммографических признаков
Некоторые маммографические признаки, генерируемые ИИ, указывают на раннее злокачественное новообразование, которое невозможно обнаружить с помощью стандартной маммографии. Другие могут быть доброкачественными состояниями, связанными с повышенным риском рака. Однако, идентичность некоторых признаков остается неясной.
Заключение
Томпсон подчеркивает важность определения патобиологии, связанной с маммографическими особенностями, и основных механизмов, связывающих их с онкогенезом рака молочной железы. Это необходимо для установления их значимости для краткосрочного и долгосрочного риска рака, а также для дальнейших усилий по его снижению.
Литература:
Wendy V. Ingman et al, Artificial intelligence improves mammography-based breast cancer risk prediction, Trends in Cancer (2024). DOI: 10.1016/j.trecan.2024.10.007