NYU-DRP AI Model voorspelt vijfjarig borstkankerrisico op basis van 3D-mammogrammen

NYU Langone Health maakte bekend op 10 september 2026 dat onderzoekers van NYU Langone Health en het Perlmutter Cancer Center een deep‑learning‑tool hebben ontwikkeld, genaamd NYU‑DRP, die het vijfjarig risico van een vrouw op het ontwikkelen van borstkanker schat door haar 3D‑mammogrammen, die over meerdere jaren zijn genomen, te analyseren.

Een deep‑learning‑model gebouwd op longitudinale 3D‑mammogrammen

De tool analyseert longitudinale digitale borsttomosynthese, of longitudinale DBT, het 3D‑mammogramrecord dat een vrouw ophoopt gedurende herhaalde jaarlijkse screenings. De validatiestudie, getiteld “Predicting 5-Year Breast Cancer Risk From Longitudinal Digital Breast Tomosynthesis: A Single-Center Retrospective Study”, werd online gepubliceerd in het American Journal of Roentgenology op 12 augustus 2026, na acceptatie op 3 augustus 2026, en heeft DOI 10.2214/AJR.26.34951.

Het artikel stelt dat het doel was een deep‑learning‑model te ontwikkelen en te evalueren dat longitudinale DBT‑onderzoeken gebruikt om het langetermijnrisico op borstkanker te voorspellen. De auteurs merken op dat beeldgebaseerde borstkankerrisicovoorspellingsmodellen voornamelijk gebruik hebben gemaakt van full‑field digitale mammografie (FFDM), en dat hoewel DBT een dominante screeningsmodaliteit in de Verenigde Staten is geworden, het potentieel voor langetermijnrisicovoorspelling nog onderbelicht is.

“Onze studie toont aan hoe AI‑modellen zoals NYU‑DRP betrouwbaar het toekomstige risico van een vrouw op borstkanker kunnen bepalen op basis van bestaande 3D‑mammogrammen, die informatie bevatten over hoe het borstweefsel in de loop van meerdere screenings is veranderd,” zei de hoofdonderzoeker Yanqi Xu, PhD, postdoctoraal onderzoeker in de afdeling Radiologie van de NYU Grossman School of Medicine en het Perlmutter Cancer Center.

Retrospectieve Cohort en Gerapporteerde Resultaten

Volgens de gepubliceerde studie omvatte de retrospectieve analyse 313.335 DBT‑onderzoeken van 161.077 vrouwen met een gemiddelde leeftijd van 58,5 jaar, uitgevoerd tussen januari 2016 en augustus 2020 bij één zorginstelling. De aankondiging van NYU Langone beschrijft NYU‑DRP als gecreëerd uit 313.531 jaarlijkse 3D‑mammogrammen van 161.165 vrouwen zonder borstkanker die tussen 2016 en 2020 tests ondergingen in de NYU Langone‑ziekenhuizen.

Het DRP‑model schat het twee- tot vijfjarig borstkankerrisico op basis van longitudinale DBT‑onderzoeken, leeftijd van de patiënt en borstdichtheid. De onderzoekers vergeleken het met een enkel‑tijdpunt DBT‑model, met het Mirai‑model dat dezelfde dag FFDM gebruikt, en met het klinische risicomodel Tyrer‑Cuzick, waarbij de prestaties werden gemeten met de AUC, de tijdsafhankelijke concordantie‑index en geïntegreerde Brier‑score‑metriek.

In een onafhankelijke testset van 34.570 onderzoeken meldt het artikel dat het longitudinale DRP‑model een vijf‑jaar AUC van 0,721 (95 %‑CI, 0,698–0,744) behaalde, wat een verbetering is ten opzichte van het enkel‑tijdpunt model met 0,707 (95 %‑CI, 0,683–0,730) en het Mirai‑model met 0,687 (95 %‑CI, 0,663–0,710), beide met p <.001. De aankondiging karakteriseert die resultaten als het correct rangschikken van vrouwen met een hoger risico in 72 %, 70 % en 68 % van de gevallen, respectievelijk.

In een gematchte case‑control‑cohort van 432 vrouwen meldt het artikel een vijf‑jaar AUC van 0,676 (95 %‑CI, 0,626–0,726) voor het DRP‑model tegenover 0,563 (95 %‑CI, 0,509–0,619; p <.001) voor het Tyrer‑Cuzick‑model, een vergelijking die de aankondiging aangeeft als 67 % versus 56 %. Volgens de persrelease maakt Tyrer‑Cuzick geen gebruik van AI of mammogram‑scans en baseert zich in plaats daarvan op persoonlijke en familiale medische informatie, zoals leeftijd, genetische mutaties en borstdichtheid ondersteund door biopsieresultaten; de vergelijking omvatte 432 vrouwen, waarvan de helft gematcht was met vrouwen van vergelijkbare leeftijd en achtergrond waarvan de vijf‑jaar uitkomsten verschilden.

De studie meldt bovendien dat borstdichtheid alleen niet overeenkwam met het voorspelde risico. Bij onderzoeken van vrouwen met extreem dichte borsten classificeerde het model 39,7 % (746 van 1.877) als gemiddeld risico, met een waargenomen vijf‑jaar incidentie van 0,8 % (6 van 746); bij onderzoeken van vrouwen met vette borsten classificeerde het 14,8 % (386 van 2.605) als hoog risico, met een waargenomen incidentie van 2,6 % (10 van 386). De aankondiging, die opmerkt dat dicht borstweefsel bekend staat het kankerrisico te verhogen, rapporteert deze verhoudingen als 37,6 % en 0,7 % respectievelijk, en als 15,5 % en 2,5 %.

Senior onderzoeker Yiqiu “Artie” Shen, PhD, assistent‑professor in de afdeling Radiologie van de NYU Grossman School of Medicine en het Perlmutter Cancer Center, zei dat de bevindingen aantonen dat herhaalde 3D‑mammogrammen informatie bevatten over het toekomstige borstkankerrisico van een vrouw die niet volledig wordt vastgelegd door noch borstdichtheid noch een enkel mammogram. De onderzoekers merkten op dat minder dan 3 % van de vrouwen die tijdens de studie, die eindigde in 2025, werden getest, borstkanker ontwikkelden, en dat alle tests gebruik maakten van borstbeeldvormingsapparatuur vervaardigd door Hologic Inc. uit Marlborough, Massachusetts; het artikel classificeert het onderzoek als een enkel‑centrum retrospectieve studie.

De auteurs concluderen dat een deep‑learning‑model dat gebruikmaakt van longitudinale DBT‑onderzoeken de langetermijnvoorspelling van borstkankerrisico verbetert ten opzichte van FFDM‑gebaseerde en klinische risicomodellen, en zij stellen dat de klinische impact het potentieel is om dynamische risicobeoordeling te informeren met screeningsbeelden en om toekomstige gepersonaliseerde screeningsstrategieën te ondersteunen.

Geplande Validatie, Financiering en Screeningcontext

“Als toekomstige experimenten bij andere vrouwen met borstkanker succesvol blijken, dan kunnen AI‑ondersteunde 3D‑mammogrammen zoals NYU‑DRP artsen helpen de screening beter af te stemmen op het werkelijke risico van een vrouw, door die vrouwen te identificeren die baat hebben bij extra screening en onnodige aanvullende tests te vermijden voor degenen met een lager risico,” zei mede‑onderzoeker Laura Heacock, MD, universitair hoofddocent in de afdeling Radiologie van de NYU Grossman School of Medicine en het Perlmutter Cancer Center.

Shen zei dat het team van plan is het longitudinale DBT‑programma te gebruiken om de borstk gezondheid van vrouwen proactief te volgen, te observeren hoe de tool hun gezondheid beïnvloedt en wie borstkanker ontwikkelt. De onderzoekers zijn ook van plan de tool te delen en te cross‑checken met gegevens van andere academische gezondheidscentra en met gegevens van verschillende 3D‑mammogramfabrikanten.

Financieringsondersteuning voor de studie kwam van de National Science Foundation‑grant 1922658, de National Institutes of Health‑grant R01EB036530, het Milstein Pilot Project Fund, het Shifrin‑Myers Breast Cancer Discovery Fund en de Manhasset Women’s Coalition Against Breast Cancer. Naast Xu, Shen en Heacock waren de mede‑onderzoekers van de studie Jungkyu Park, Felicia Pasadyn, Qi Lei, Alana Lewin, Krzysztof Geras, Linda Moy en Freya Schnabel, en het artikel vermeldt Shen als corresponderende auteur.

De aankondiging plaatst de studie in de context van Amerikaanse screeningsstatistieken: naar schatting zal 1 op de 8 vrouwen in de Verenigde Staten in haar leven gediagnosticeerd worden met borstkanker, met ongeveer 382.640 vrouwen die naar verwachting in 2026 de diagnose zullen krijgen. Het vijf‑jaar relatieve overlevingspercentage overschrijdt 99 % wanneer borstkanker in de vroegste fase wordt opgespoord, meer dan 4 miljoen overlevenden van borstkanker wonen momenteel in het land, meer dan 43 miljoen mammogrammen werden uitgevoerd in 2025, en experts raden nu jaarlijkse mammografie‑screening aan vanaf 40 jaar.