NYU-DRP AI-model forudsiger femårig brystkræftrisiko ud fra 3D-mammogrammer

NYU Langone Health annoncerede den 10. september 2026, at forskere ved NYU Langone Health og deres Perlmutter Cancer Center har udviklet et dybdelæringsværktøj, kaldet NYU-DRP, som estimerer en kvindes femårige risiko for at udvikle brystkræft ved at analysere hendes 3D-mammogrammer indsamlet over flere år.

En dybdelæringsmodel bygget på longitudinale 3D-mammogrammer

Værktøjet analyserer longitudinal digital brysttomosyntese, eller longitudinal DBT, den 3D-mammogramregistrering, som en kvinde opbygger gennem gentagne årlige screeninger. Valideringsstudiet, med titlen “Predicting 5-Year Breast Cancer Risk From Longitudinal Digital Breast Tomosynthesis: A Single-Center Retrospective Study”, blev publiceret i American Journal of Roentgenology online den 12. august 2026, efter accept den 3. august 2026, og har DOI 10.2214/AJR.26.34951.

Artiklen angiver, at målet var at udvikle og evaluere en dybdelæringsmodel, der bruger longitudinale DBT-undersøgelser til at forudsige langsigtet brystkræftrisiko. Forfatterne bemærker, at billedbaserede brystkræftrisikovurderings-modeller primært har anvendt fuldfelt digital mammografi (FFDM), og at selvom DBT er blevet en dominerende screeningsmodalitet i USA, er dens potentiale for langsigtet risikoforudsigelse stadig underudforsket.

“Vores studie viser, hvordan AI-modeller som NYU-DRP kan anvendes til pålideligt at fastslå en kvindes fremtidige risiko for brystkræft baseret på eksisterende 3D-mammogrammer, som indeholder information om, hvordan brystvævet har ændret sig gennem flere screeninger over tid,” sagde studiets hovedforsker Yanqi Xu, PhD, postdoktoral forskningsstipendiat i Radiologisk afdeling på NYU Grossman School of Medicine og Perlmutter Cancer Center.

Retrospektiv kohorte og rapporterede resultater

Ifølge den offentliggjorte undersøgelse omfattede den retrospektive analyse 313.335 DBT-undersøgelser fra 161.077 kvinder med en gennemsnitsalder på 58,5 år, der blev afbildet mellem januar 2016 og august 2020 på en enkelt sundhedsinstitution. NYU Langone-meddelelsen beskriver NYU-DRP som oprettet ud fra 313.531 årlige 3D-mammogrammer fra 161.165 kvinder uden brystkræft, som fik test udført på NYU Langone-hospitalerne mellem 2016 og 2020.

DRP-modellen estimerer to‑ til fem‑årig brystkræftrisiko ud fra longitudinale DBT-undersøgelser, patientens alder og brystdensitet. Forskerne sammenlignede den med en enkelt‑tidspunkt DBT-model, med Mirai-modellen, der anvender FFDM på samme dag, samt med den kliniske risikomodel Tyrer‑Cuzick, og målte præstationerne med AUC, tidsafhængig koncordansindeks og integrerede Brier‑score‑metrikker.

I et uafhængigt test‑sæt på 34.570 undersøgelser rapporterer artiklen, at den longitudinale DRP-model opnåede en femårig AUC på 0,721 (95 % KI, 0,698–0,744), hvilket er en forbedring i forhold til enkelt‑tidspunkt‑modellen på 0,707 (95 % KI, 0,683–0,730) og Mirai-modellen på 0,687 (95 % KI, 0,663–0,710), begge med p < 0,001. Meddelelsen karakteriserer disse resultater som korrekt rangering af kvinder med højere risiko i 72 %, 70 % og 68 % af tilfældene henholdsvis.

I en matchet case‑control‑kohorte på 432 kvinder rapporterer artiklen en femårig AUC på 0,676 (95 % KI, 0,626–0,726) for DRP-modellen versus 0,563 (95 % KI, 0,509–0,619; p < 0,001) for Tyrer‑Cuzick-modellen, en sammenligning som meddelelsen angiver som 67 % versus 56 %. Ifølge udgivelsen involverer Tyrer‑Cuzick hverken AI eller mammogrammer og baserer sig i stedet på personlige og familiære medicinske oplysninger, såsom alder, genetiske mutationer og brystdensitet understøttet af biopsiresultater; sammenligningen omfattede 432 kvinder, hvor halvdelen var matchet mod kvinder i lignende alder og baggrund, hvis femårige udfald var forskellige.

Studiet rapporterer desuden, at brystdensitet alene ikke korrelerede med den forudsagte risiko. Blandt undersøgelser af kvinder med ekstremt tæt brystvæv klassificerede modellen 39,7 % (746 af 1.877) som gennemsnitlig risiko, med en observeret femårig kræftincidens på 0,8 % (6 af 746); blandt undersøgelser af kvinder med fedtet brystvæv klassificerede den 14,8 % (386 af 2.605) som høj risiko, med en observeret incidens på 2,6 % (10 af 386). Meddelelsen, som bemærker at tæt brystvæv er kendt for at øge kræftrisikoen, angiver disse andele som 37,6 % og 0,7 % samt som 15,5 % og 2,5 % henholdsvis.

Studiets seniorforsker Yiqiu “Artie” Shen, PhD, lektor i Radiologisk afdeling på NYU Grossman School of Medicine og Perlmutter Cancer Center, sagde, at resultaterne viser, at gentagne 3D-mammogrammer indeholder information om en kvindes fremtidige brystkræftrisiko, som hverken brystdensitet eller et enkelt mammogram alene fuldt ud kan fange. Forskerne bemærkede, at mindre end 3 % af de kvinder, der blev testet i løbet af studiet, som sluttede i 2025, udviklede brystkræft, og at al testning benyttede brystbilledudstyr fremstillet af Hologic Inc. i Marlborough, Massachusetts; artiklen identificerer designet som en enkelt‑center retrospektiv undersøgelse.

Forfatterne konkluderer, at en dybdelæringsmodel, der bruger longitudinale DBT-undersøgelser, forbedrede langsigtet brystkræftrisikovurdering sammenlignet med FFDM‑baserede og kliniske risikomodeller, og de angiver den kliniske betydning som potentialet til at informere dynamisk risikovurdering ved hjælp af screeningsbilleder og understøtte fremtidige personaliserede screeningsstrategier.

Planlagt validering, finansiering og screeningskontekst

“Hvis fremtidige eksperimenter i andre kvinder med brystkræft viser sig at være succesfulde, kan AI‑assisterede 3D-mammogrammer som NYU-DRP hjælpe læger med bedre at tilpasse screening til en kvindes faktiske risiko ved at identificere de kvinder, der kan have gavn af ekstra screening, samtidig med at unødvendige supplerende tests undgås for dem med lavere risiko,” sagde studiets medforsker Laura Heacock, MD, lektor i Radiologisk afdeling på NYU Grossman School of Medicine og Perlmutter Cancer Center.

Shen sagde, at teamet næste skridt er at bruge det longitudinale DBT-program til proaktivt at følge kvinders brysthelbred, observere hvordan værktøjet påvirker deres sundhed, og hvem der udvikler brystkræft. Forskerne planlægger også at dele og krydstjekke værktøjet med data fra andre akademiske sundhedscentre samt med data fra forskellige 3D-mammogramproducenter.

Finansieringsstøtte til studiet kom fra National Science Foundation‑bevilling 1922658, National Institutes of Health‑bevilling R01EB036530, Milstein Pilot Project Fund, Shifrin‑Myers Breast Cancer Discovery Fund og Manhasset Women’s Coalition Against Breast Cancer. Ud over Xu, Shen og Heacock var studiets medforskerne Jungkyu Park, Felicia Pasadyn, Qi Lei, Alana Lewin, Krzysztof Geras, Linda Moy og Freya Schnabel, og artiklen angiver Shen som korresponderende forfatter.

Meddelelsen sætter studiet i forhold til amerikanske screeningsstatistikker: anslået 1 ud af 8 kvinder i USA vil blive diagnosticeret med brystkræft i deres levetid, med cirka 382.640 kvinder forventet diagnosticeret i 2026. Den femårige relative overlevelsesrate overstiger 99 % når brystkræft opdages i de tidligste stadier, mere end 4 millioner brystkræftoverlevere lever i landet i dag, mere end 43 millioner mammogrammer blev udført i 2025, og eksperter anbefaler nu årlig mammografiscreening fra 40-årsalderen.