Model AI NYU-DRP przewiduje pięcioletnie ryzyko raka piersi na podstawie trójwymiarowych mammografii

NYU Langone Health ogłosiło 10 września 2026, że badacze z NYU Langone Health oraz jego Perlmutter Cancer Center opracowali narzędzie oparte na uczeniu głębokim, nazwane NYU-DRP, które szacuje pięcioletnie ryzyko zachorowania na raka piersi u kobiety, analizując jej trójwymiarowe mammografie wykonane w ciągu kilku lat.

Model uczenia głębokiego oparty na longitudinalnych 3D mammografiach

Narzędzie analizuje longitudinalną cyfrową tomosyntezę piersi (longitudinal DBT), czyli zapis trójwymiarowych mammografii gromadzony przez kobietę w trakcie kolejnych corocznych badań. Badanie walidacyjne, zatytułowane „Predicting 5-Year Breast Cancer Risk From Longitudinal Digital Breast Tomosynthesis: A Single-Center Retrospective Study”, zostało opublikowane w American Journal of Roentgenology online 12 sierpnia 2026, po przyjęciu 3 sierpnia 2026, i posiada DOI 10.2214/AJR.26.34951.

W publikacji stwierdzono, że jej celem było opracowanie i ocena modelu uczenia głębokiego wykorzystującego longitudinalne badania DBT do przewidywania długoterminowego ryzyka raka piersi. Autorzy zauważają, że modele prognozowania ryzyka raka piersi oparte na obrazowaniu głównie wykorzystywały pełnoklatkową cyfrową mammografię (FFDM), a mimo że DBT stało się dominującą metodą przesiewową w Stanach Zjednoczonych, jego potencjał w prognozowaniu długoterminowego ryzyka pozostaje słabo zbadany.

„Nasze badanie pokazuje, jak modele AI, takie jak NYU-DRP, mogą być używane do wiarygodnego określenia przyszłego ryzyka raka piersi u kobiety na podstawie istniejących trójwymiarowych mammografii, które zawierają informacje o zmianach w tkance piersiowej w ciągu kolejnych badań”, powiedział główny badacz Yanqi Xu, PhD, stypendysta podoktorski w Departamencie Radiologii NYU Grossman School of Medicine oraz Perlmutter Cancer Center.

Kohorta retrospektywna i zgłoszone wyniki

Zgodnie z opublikowanym badaniem, retrospektywna analiza objęła 313 335 badań DBT pochodzących od 161 077 kobiet o średniej wieku 58,5 lat, wykonanych w okresie od stycznia 2016 do sierpnia 2020 w jednej placówce zdrowotnej. Ogłoszenie NYU Langone opisuje NYU-DRP jako opracowane na podstawie 313 531 rocznych trójwymiarowych mammografii od 161 165 kobiet bez raka piersi, które przeszły badania w szpitalach NYU Langone w latach 2016‑2020.

Model DRP szacuje ryzyko raka piersi na okres od dwóch do pięciu lat na podstawie longitudinalnych badań DBT, wieku pacjentki oraz gęstości piersi. Badacze porównali go z modelem DBT opartym na pojedynczym pomiarze, modelem Mirai wykorzystującym jednoczesną FFDM oraz klinicznym modelem ryzyka Tyrer‑Cuzick, oceniając wyniki przy użyciu AUC, czasowo‑zależnego wskaźnika zgodności oraz zintegrowanej miary Brier.

W niezależnym zestawie testowym obejmującym 34 570 badań, publikacja podaje, że longitudinalny model DRP osiągnął pięcioletnie AUC na poziomie 0,721 (95 % CI, 0,698–0,744), przewyższając model jednopunktowy (0,707; 95 % CI, 0,683–0,730) oraz model Mirai (0,687; 95 % CI, 0,663–0,710), przy p <.001. Ogłoszenie opisuje te wyniki jako prawidłowe klasyfikowanie kobiet o wyższym ryzyku w 72 %, 70 % i 68 % przypadków, odpowiednio.

W dopasowanej kohorcie przypadków i kontroli obejmującej 432 kobiety, publikacja podaje pięcioletnie AUC na poziomie 0,676 (95 % CI, 0,626–0,726) dla modelu DRP w porównaniu z 0,563 (95 % CI, 0,509–0,619; p <.001) dla modelu Tyrer‑Cuzick, co w ogłoszeniu przedstawiono jako 67 % w porównaniu z 56 %. Według komunikatu, model Tyrer‑Cuzick nie wykorzystuje sztucznej inteligencji ani skanów mammograficznych, a opiera się na danych osobowych i rodzinnych, takich jak wiek, mutacje genetyczne oraz gęstość piersi potwierdzona wynikami biopsji; porównanie obejmowało 432 kobiety, z których połowa była dopasowana do kobiet o podobnym wieku i tle, u których pięcioletnie wyniki różniły się.

Badanie dodatkowo wykazuje, że sama gęstość piersi nie odpowiada prognozowanemu ryzyku. Wśród badań kobiet z bardzo gęstą tkanką piersiowej model zaklasyfikował 39,7 % (746 z 1 877) jako ryzyko średnie, przy obserwowanej pięcioletniej zachorowalności na raka wynoszącej 0,8 % (6 z 746); wśród kobiet z tłustą tkanką piersiową zaklasyfikowano 14,8 % (386 z 2 605) jako wysokie ryzyko, przy obserwowanej zachorowalności 2,6 % (10 z 386). Ogłoszenie, które podkreśla, że gęsta tkanka piersiowa zwiększa ryzyko nowotworu, podaje te odsetki jako 37,6 % i 0,7 % oraz odpowiednio 15,5 % i 2,5 %.

Starszy badacz Yiqiu „Artie” Shen, PhD, adiunkt w Departamencie Radiologii NYU Grossman School of Medicine oraz Perlmutter Cancer Center, stwierdził, że wyniki pokazują, iż powtarzalne trójwymiarowe mammografie zawierają informacje o przyszłym ryzyku raka piersi kobiety, które nie są w pełni uchwycone ani przez gęstość piersi, ani przez pojedynczą mammografię. Badacze zauważyli, że mniej niż 3 % kobiet przebadanych w trakcie badania, które zakończyło się w 2025 roku, rozwinęło raka piersi, a wszystkie badania przeprowadzono przy użyciu aparatury do obrazowania piersi wyprodukowanej przez Hologic Inc. z Marlborough, Massachusetts; publikacja określa projekt jako jednocentrowe badanie retrospektywne.

Autorzy wnioskują, że model uczenia głębokiego wykorzystujący longitudinalne badania DBT poprawia długoterminowe prognozowanie ryzyka raka piersi w porównaniu z modelami opartymi na FFDM oraz modelami klinicznymi, i podkreślają, że jego wpływ kliniczny polega na możliwości dynamicznej oceny ryzyka przy użyciu obrazów przesiewowych oraz wspieraniu przyszłych spersonalizowanych strategii przesiewowych.

Planowana walidacja, finansowanie i kontekst przesiewowy

„Jeśli przyszłe eksperymenty u innych kobiet z rakiem piersi okażą się udane, wtedy trójwymiarowe mammografie wspomagane AI, takie jak NYU-DRP, mogą pomóc lekarzom lepiej dostosować przesiew do rzeczywistego ryzyka kobiety, identyfikując te, które mogą skorzystać z dodatkowych badań, jednocześnie unikając niepotrzebnych testów u osób o niższym ryzyku”, powiedziała współbadaczka Laura Heacock, MD, adiunkt w Departamencie Radiologii NYU Grossman School of Medicine oraz Perlmutter Cancer Center.

Shen poinformował, że zespół planuje wykorzystać program longitudinalnego DBT do proaktywnego monitorowania zdrowia piersi kobiet, obserwując, jak narzędzie wpływa na ich stan zdrowia i kto rozwija raka piersi. Badacze zamierzają również udostępnić i zweryfikować narzędzie przy użyciu danych z innych akademickich ośrodków zdrowia oraz od różnych producentów trójwymiarowych mammografii.

Finansowanie badania pochodziło z grantu National Science Foundation nr 1922658, grantu National Institutes of Health R01EB036530, funduszu Milstein Pilot Project, funduszu Shifrin‑Myers Breast Cancer Discovery oraz Manhasset Women’s Coalition Against Breast Cancer. Oprócz Xu, Shen i Heacock, współbadaczami byli Jungkyu Park, Felicia Pasadyn, Qi Lei, Alana Lewin, Krzysztof Geras, Linda Moy i Freya Schnabel, a w publikacji Shen jest wymieniony jako autor korespondencyjny.

Ogłoszenie umieszcza badanie w kontekście statystyk przesiewowych w USA: szacuje się, że 1 na 8 kobiet w Stanach Zjednoczonych zostanie w ciągu życia zdiagnozowana z rakiem piersi, przy przewidywanych 382 640 przypadkach w 2026 roku. Pięcioletni względny wskaźnik przeżycia przekracza 99 % przy wykryciu raka piersi w najwcześniejszych stadiach, ponad 4 miliony osób, które przeżyły raka piersi, mieszka obecnie w kraju, w 2025 roku wykonano ponad 43 miliony mammografii, a eksperci zalecają coroczne badania mammograficzne rozpoczynające się w wieku 40 lat.