Il modello AI NYU-DRP prevede il rischio di cancro al seno a cinque anni dalle mammografie 3D

NYU Langone Health ha annunciato il 10 settembre 2026 che i ricercatori di NYU Langone Health e del suo Perlmutter Cancer Center hanno sviluppato uno strumento di deep learning, chiamato NYU-DRP, che stima il rischio a cinque anni di una donna di sviluppare il cancro al seno analizzando le sue mammografie 3D eseguite nel corso di più anni.

Un modello di deep learning basato su mammografie 3D longitudinali

Lo strumento analizza la tomosintesi digitale mammaria longitudinale, o DBT longitudinale, il registro di mammografie 3D che una donna accumula attraverso ripetuti screening annuali. Lo studio di validazione, intitolato “Predicting 5-Year Breast Cancer Risk From Longitudinal Digital Breast Tomosynthesis: A Single-Center Retrospective Study”, è stato pubblicato online nell’American Journal of Roentgenology il 12 agosto 2026, dopo l’accettazione del 3 agosto 2026, e porta il DOI 10.2214/AJR.26.34951.

Il documento afferma che l’obiettivo era sviluppare e valutare un modello di deep learning che utilizza esami DBT longitudinali per prevedere il rischio a lungo termine di cancro al seno. Gli autori osservano che i modelli di previsione del rischio di cancro al seno basati su imaging hanno utilizzato principalmente la mammografia digitale a campo pieno, o FFDM, e che sebbene la DBT sia diventata una modalità di screening predominante negli Stati Uniti, il suo potenziale per la previsione a lungo termine del rischio rimane poco esplorato.

“Il nostro studio dimostra come i modelli di IA come NYU-DRP possano essere usati per determinare in modo affidabile il futuro rischio di cancro al seno di una donna basandosi sulle mammografie 3D esistenti, che contengono informazioni su come il tessuto mammario è cambiato attraverso molteplici screening nel tempo,” ha dichiarato il principale investigatore dello studio Yanqi Xu, PhD, borsista post‑dottorato nel Dipartimento di Radiologia della NYU Grossman School of Medicine e del Perlmutter Cancer Center.

Coorte retrospettiva e risultati riportati

Secondo lo studio pubblicato, l’analisi retrospettiva ha coperto 313.335 esami DBT provenienti da 161.077 donne con un’età media di 58,5 anni, eseguiti tra gennaio 2016 e agosto 2020 presso un unico istituto sanitario. L’annuncio di NYU Langone descrive NYU-DRP come creato a partire da 313.531 mammografie 3D annuali di 161.165 donne senza cancro al seno che hanno effettuato i test negli ospedali NYU Langone tra il 2016 e il 2020.

Il modello DRP stima il rischio di cancro al seno da due a cinque anni a partire da esami DBT longitudinali, dall’età del paziente e dalla densità mammaria. I ricercatori lo hanno confrontato con un modello DBT a singolo punto temporale, con il modello Mirai che utilizza FFDM nello stesso giorno, e con il modello di rischio clinico Tyrer‑Cuzick, valutando le prestazioni mediante AUC, indice di concordanza dipendente dal tempo e metriche di punteggio Brier integrato.

In un set di test indipendente di 34.570 esami, il documento riporta che il modello DRP longitudinale ha raggiunto un AUC a cinque anni di 0,721 (IC 95 %, 0,698–0,744), migliorando rispetto al modello a singolo punto temporale (0,707, IC 95 %, 0,683–0,730) e al modello Mirai (0,687, IC 95 %, 0,663–0,710), entrambi con p <.001. L'annuncio caratterizza questi risultati come una corretta classificazione delle donne a più alto rischio nel 72 %, 70 % e 68 % dei casi, rispettivamente.

In una coorte caso‑controllo abbinata di 432 donne, il documento riporta un AUC a cinque anni di 0,676 (IC 95 %, 0,626–0,726) per il modello DRP contro 0,563 (IC 95 %, 0,509–0,619; p <.001) per il modello Tyrer‑Cuzick, una comparazione che l'annuncio indica come 67 % contro 56 %. Secondo il comunicato, Tyrer‑Cuzick non prevede né IA né scansioni mammografiche e si basa invece su informazioni mediche personali e familiari, come età, mutazioni genetiche e densità mammaria supportate da risultati di biopsia; il confronto ha riguardato 432 donne, con metà abbinata a donne di età e background simili i cui esiti a cinque anni differivano.

Lo studio riporta inoltre che la densità mammaria da sola non corrisponde al rischio previsto. Tra gli esami di donne con tessuto mammario estremamente denso, il modello ha classificato il 39,7 % (746 su 1.877) come a rischio medio, con un’incidenza di cancro a cinque anni osservata dello 0,8 % (6 su 746); tra gli esami di donne con tessuto mammario grasso, ha classificato il 14,8 % (386 su 2.605) come ad alto rischio, con un’incidenza osservata del 2,6 % (10 su 386). L’annuncio, che osserva che il tessuto mammario denso è noto per aumentare il rischio di cancro, riporta queste percentuali rispettivamente come 37,6 % e 0,7 % e come 15,5 % e 2,5 %.

Il ricercatore senior dello studio Yiqiu “Artie” Shen, PhD, professore assistente nel Dipartimento di Radiologia della NYU Grossman School of Medicine e del Perlmutter Cancer Center, ha affermato che i risultati dimostrano che le mammografie 3D ripetute contengono informazioni sul futuro rischio di cancro al seno di una donna che non sono completamente catturate né dalla densità mammaria né da una singola mammografia. I ricercatori hanno osservato che meno del 3 % delle donne testate durante lo studio, conclusosi nel 2025, ha sviluppato il cancro al seno, e che tutti i test hanno utilizzato apparecchiature di imaging mammario prodotte da Hologic Inc. di Marlborough, Massachusetts; il documento identifica lo studio come uno studio retrospettivo a centro unico.

Gli autori concludono che un modello di deep learning che utilizza esami DBT longitudinali ha migliorato la previsione del rischio a lungo termine di cancro al seno rispetto ai modelli basati su FFDM e ai modelli di rischio clinico, e affermano che l’impatto clinico consiste nella possibilità di informare una valutazione dinamica del rischio mediante le immagini di screening e di supportare future strategie di screening personalizzate.

Validazione pianificata, finanziamento e contesto dello screening

“Se futuri esperimenti su altre donne con cancro al seno si dimostreranno efficaci, le mammografie 3D assistite da IA come NYU-DRP potrebbero aiutare i medici a personalizzare meglio lo screening in base al reale rischio di una donna, identificando quelle che potrebbero beneficiare di screening aggiuntivo evitando test supplementari non necessari per chi ha un rischio più basso,” ha dichiarato la co‑investigatrice dello studio Laura Heacock, MD, professoressa associata nel Dipartimento di Radiologia della NYU Grossman School of Medicine e del Perlmutter Cancer Center.

Shen ha affermato che il team intende prossimamente utilizzare il programma DBT longitudinale per monitorare proattivamente la salute mammaria delle donne, osservando come lo strumento influisce sulla loro salute e chi sviluppa il cancro al seno. I ricercatori prevedono inoltre di condividere e verificare lo strumento con dati provenienti da altri centri accademici sanitari e con dati di diversi produttori di mammografie 3D.

Il finanziamento dello studio è provvenuto da una sovvenzione della National Science Foundation n. 1922658, da una sovvenzione dei National Institutes of Health R01EB036530, dal Milstein Pilot Project Fund, dal Shifrin‑Myers Breast Cancer Discovery Fund e dalla Manhasset Women’s Coalition Against Breast Cancer. Oltre a Xu, Shen e Heacock, i co‑investigatori dello studio erano Jungkyu Park, Felicia Pasadyn, Qi Lei, Alana Lewin, Krzysztof Geras, Linda Moy e Freya Schnabel, e il documento indica Shen come autore corrispondente.

L’annuncio colloca lo studio nel contesto delle statistiche statunitensi di screening: si stima che 1 donna su 8 negli Stati Uniti sarà diagnosticata con cancro al seno nel corso della vita, con circa 382.640 donne previste per la diagnosi nel 2026. Il tasso di sopravvivenza relativo a cinque anni supera il 99 % quando il cancro al seno viene individuato nelle sue fasi più precoci, più di 4 milioni di sopravvissuti al cancro al seno vivono attualmente nel paese, più di 43 milioni di mammografie sono state eseguite nel 2025, e gli esperti raccomandano ora uno screening mammografico annuale a partire dai 40 anni.