NYU-DRP AI-modell förutsäger femårig bröstcancerrisk från 3D-mammogram

NYU Langone Health meddelade den 10 september 2026 att forskare vid NYU Langone Health och dess Perlmutter Cancer Center har utvecklat ett djupinlärningsverktyg, kallat NYU-DRP, som uppskattar en kvinnas femåriga risk för att utveckla bröstcancer genom att analysera hennes 3D-mammogram som tagits under flera år.

En djupinlärningsmodell byggd på longitudinella 3D-mammogram

Verktyget analyserar longitudinell digital brösttomosyntes, eller longitudinell DBT, den 3D-mammogramregistrering en kvinna samlar på sig genom återkommande årliga screeningar. Valideringsstudien, med titeln “Predicting 5-Year Breast Cancer Risk From Longitudinal Digital Breast Tomosynthesis: A Single-Center Retrospective Study”, publicerades i American Journal of Roentgenology online den 12 augusti 2026, efter godkännande den 3 augusti 2026, och har DOI 10.2214/AJR.26.34951.

I artikeln anges att målet var att utveckla och utvärdera en djupinlärningsmodell som använder longitudinella DBT-undersökningar för att förutsäga långsiktig bröstcancerrisk. Författarna noterar att bildbaserade modeller för bröstcancerriskprediktion huvudsakligen har använt fullfält digital mammografi, eller FFDM, och att även om DBT har blivit en dominerande screeningmetod i USA, är dess potential för långsiktig riskprediktion fortfarande underutforskad.

“Vår studie visar hur AI-modeller som NYU-DRP kan användas för att på ett pålitligt sätt fastställa en kvinnas framtida bröstcancerrisk baserat på befintliga 3D-mammogram, som innehåller information om hur bröstvävnaden har förändrats över flera screeningar över tid,” sade studiens huvudutredare Yanqi Xu, PhD, postdoktoral forskningsstipendiat vid avdelningen för radiologi på NYU Grossman School of Medicine och Perlmutter Cancer Center.

Retrospektiv kohort och rapporterade resultat

Enligt den publicerade studien omfattade den retrospektiva analysen 313 335 DBT-undersökningar från 161 077 kvinnor med en medelålder på 58,5 år, avbildade mellan januari 2016 och augusti 2020 vid en enda vårdinstitution. NYU Langone‑meddelandet beskriver NYU-DRP som skapad från 313 531 årliga 3D-mammogram från 161 165 kvinnor utan bröstcancer som genomgick tester på NYU Langone-sjukhus mellan 2016 och 2020.

DRP-modellen uppskattar två‑ till femårig bröstcancerrisk baserat på longitudinella DBT-undersökningar, patientens ålder och brösttäthet. Forskarna jämförde den med en enkel‑tidspunkt DBT-modell, med Mirai-modellen som använder samma dags FFDM, samt med det kliniska riskmodellen Tyrer‑Cuzick, och mätte prestanda med AUC, tidsberoende koncordansindex och integrerade Brier‑score‑mått.

I en oberoende testuppsättning med 34 570 undersökningar rapporterar artikeln att den longitudinella DRP-modellen uppnådde en femårs‑AUC på 0,721 (95 % KI, 0,698–0,744), vilket förbättrade den enkla tidspunkt‑modellen som hade 0,707 (95 % KI, 0,683–0,730) och Mirai-modellen med 0,687 (95 % KI, 0,663–0,710), båda med p <.001. Meddelandet beskriver dessa resultat som att korrekt rangordna kvinnor med högre risk 72 procent, 70 procent respektive 68 procent av gångerna.

I en matchad fall‑kontrollkohort med 432 kvinnor rapporterar artikeln en femårs‑AUC på 0,676 (95 % KI, 0,626–0,726) för DRP-modellen jämfört med 0,563 (95 % KI, 0,509–0,619; p <.001) för Tyrer‑Cuzick-modellen, en jämförelse som meddelandet anger som 67 procent mot 56 procent. Enligt pressmeddelandet involverar Tyrer‑Cuzick ingen AI eller mammografisk skanning utan förlitar sig på personlig och familjär medicinsk information, såsom ålder, genetiska mutationer och brösttäthet stödjad av biopsiresultat; jämförelsen omfattade 432 kvinnor, där hälften matchades mot kvinnor i liknande ålder och bakgrund vars femårsresultat skilde sig.

Studien rapporterar dessutom att brösttäthet ensamt inte motsvarade den förutsagda risken. Bland undersökningar av kvinnor med extremt täta bröst klassificerade modellen 39,7 procent (746 av 1 877) som genomsnittlig risk, med en observerad femårsincidens på 0,8 procent (6 av 746); bland undersökningar av kvinnor med feta bröst klassificerade den 14,8 procent (386 av 2 605) som hög risk, med en observerad incidens på 2,6 procent (10 av 386). Meddelandet, som påpekar att tät bröstvävnad är känd för att öka cancerrisken, rapporterar dessa andelar som 37,6 procent och 0,7 procent samt 15,5 procent och 2,5 procent respektive.

Studie‑seniorutredaren Yiqiu “Artie” Shen, PhD, lektor vid avdelningen för radiologi på NYU Grossman School of Medicine och Perlmutter Cancer Center, sade att resultaten visar att upprepade 3D-mammogram innehåller information om en kvinnas framtida bröstcancerrisk som varken brösttäthet eller ett enskilt mammogram kan fånga fullt ut. Forskarna noterade att mindre än 3 procent av de kvinnor som testades under studien, som avslutades 2025, utvecklade bröstcancer, och att all testning använde bröstavbildningsutrustning tillverkad av Hologic Inc. i Marlborough, Massachusetts; artikeln identifierar designen som en enkel‑center retrospektiv studie.

Författarna drar slutsatsen att en djupinlärningsmodell som använder longitudinella DBT-undersökningar förbättrade långsiktig bröstcancerriskprediktion jämfört med FFDM‑baserade och kliniska riskmodeller, och de anger den kliniska effekten som möjligheten att informera dynamisk riskbedömning med hjälp av screeningbilder samt stödja framtida personliga screeningsstrategier.

Planerad validering, finansiering och screeningkontext

“Om framtida experiment på andra kvinnor med bröstcancer visar sig lyckas, kan AI‑assisterade 3D-mammogram som NYU-DRP hjälpa läkare att bättre anpassa screening efter en kvinnas faktiska risk, genom att identifiera de kvinnor som kan ha nytta av ytterligare screening samtidigt som onödiga kompletterande tester undviks för dem med lägre risk,” sade studiens medutredare Laura Heacock, MD, docent vid avdelningen för radiologi på NYU Grossman School of Medicine och Perlmutter Cancer Center.

Shen sade att teamet nästa steg planerar att använda det longitudinella DBT‑programmet för att proaktivt följa kvinnors brösthälsa, observera hur verktyget påverkar deras hälsa och vilka som utvecklar bröstcancer. Forskarna planerar också att dela och korskontrollera verktyget med data från andra akademiska hälsocenter samt med data från olika 3D-mammogramtillverkare.

Finansieringsstöd för studien kom från National Science Foundation‑bidrag 1922658, National Institutes of Health‑bidrag R01EB036530, Milstein Pilot Project Fund, Shifrin‑Myers Breast Cancer Discovery Fund och Manhasset Women’s Coalition Against Breast Cancer. Förutom Xu, Shen och Heacock var studiens medutredare Jungkyu Park, Felicia Pasadyn, Qi Lei, Alana Lewin, Krzysztof Geras, Linda Moy och Freya Schnabel, och artikeln listar Shen som korresponderande författare.

Meddelandet placerar studien i förhållande till amerikanska screeningstatistik: en uppskattning på 1 av 8 kvinnor i USA kommer att diagnostiseras med bröstcancer under sin livstid, med cirka 382 640 kvinnor förväntade att diagnostiseras år 2026. Den femåriga relativa överlevnadsgraden överstiger 99 procent när bröstcancer upptäcks i de tidigaste stadierna, mer än 4 miljoner bröstcanceroverlevare lever för närvarande i landet, mer än 43 miljoner mammogram utfördes år 2025, och experter rekommenderar nu årlig mammografi‑screening från 40 års ålder.