โมเดล AI NYU-DRP ทำนายความเสี่ยงต่อมะเร็งเต้านมในห้าปีจากแมมโมแกรม 3 มิติ

NYU Langone Health ประกาศ เมื่อวันที่ 10 กันยายน 2026ว่า นักวิจัยที่ NYU Langone Health และศูนย์มะเร็ง Perlmutter ได้พัฒนาเครื่องมือการเรียนรู้เชิงลึก ชื่อ NYU-DRP ซึ่งประมาณความเสี่ยงต่อมะเร็งเต้านมในห้าปีของผู้หญิงโดยการวิเคราะห์แมมโมแกรม 3 มิติที่ถ่ายหลายปี

โมเดลการเรียนรู้เชิงลึกที่สร้างจากแมมโมแกรม 3 มิติแบบตามระยะเวลา

เครื่องมือนี้วิเคราะห์การถ่ายภาพดิจิทัลของเต้านมแบบทอมโซสซินเทซิสตามระยะเวลา หรือ longitudinal DBT ซึ่งเป็นบันทึกแมมโมแกรม 3 มิติที่ผู้หญิงสะสมจากการตรวจประจำปีหลายครั้ง การศึกษาการตรวจสอบความถูกต้องที่มีชื่อว่า “Predicting 5-Year Breast Cancer Risk From Longitudinal Digital Breast Tomosynthesis: A Single-Center Retrospective Study” ได้ ตีพิมพ์ใน American Journal of Roentgenology ออนไลน์เมื่อวันที่ 12 สิงหาคม 2026 หลังจากได้รับการยอมรับเมื่อ 3 สิงหาคม 2026 และมี DOI 10.2214/AJR.26.34951.

บทความระบุว่าเป้าหมายของการศึกษาคือการพัฒนาและประเมินโมเดลการเรียนรู้เชิงลึกที่ใช้การตรวจสอบ longitudinal DBT เพื่อทำนายความเสี่ยงต่อมะเร็งเต้านมในระยะยาว ผู้เขียนกล่าวว่าโมเดลการทำนายความเสี่ยงต่อมะเร็งเต้านมโดยใช้ภาพถ่าย การทำนายความเสี่ยงต่อมะเร็งเต้านม ส่วนใหญ่ใช้การแมมโมแกรมดิจิทัลเต็มสนาม (FFDM) และแม้ว่า DBT จะกลายเป็นวิธีการคัดกรองหลักในสหรัฐอเมริกา แต่ศักยภาพของมันในการทำนายความเสี่ยงระยะยาวยังไม่ได้รับการสำรวจอย่างเต็มที่

“การศึกษาของเราแสดงให้เห็นว่าโมเดล AI เช่น NYU-DRP สามารถใช้เพื่อกำหนดความเสี่ยงต่อมะเร็งเต้านมในอนาคตของผู้หญิงได้อย่างน่าเชื่อถือโดยอิงจากแมมโมแกรม 3 มิติที่มีอยู่ซึ่งบรรจุข้อมูลเกี่ยวกับการเปลี่ยนแปลงของเนื้อเยื่อเต้านมผ่านการตรวจหลายครั้งตามเวลา” นายแพทย์ Yanqi Xu, PhD, นักวิจัยหลังปริญญาเอกในภาควิชารังสีวิทยาที่ NYU Grossman School of Medicine และศูนย์มะเร็ง Perlmutter กล่าว

กลุ่มโคฮอร์ตย้อนหลังและผลลัพธ์ที่รายงาน

ตามการศึกษาที่ตีพิมพ์ การวิเคราะห์ย้อนหลังครอบคลุมการตรวจ DBT จำนวน 313,335 ครั้งจากผู้หญิง 161,077 รายโดยมีอายุเฉลี่ย 58.5 ปี ภาพถ่ายทำระหว่างเดือนมกราคม 2016 ถึงสิงหาคม 2020 ที่สถาบันสุขภาพเดียว NYU Langone ประกาศว่า NYU-DRP ถูกสร้างจากแมมโมแกรม 3 มิติประจำปีจำนวน 313,531 ครั้งจากผู้หญิง 161,165 รายที่ไม่มีมะเร็งเต้านมและได้รับการตรวจที่โรงพยาบาล NYU Langon​e ระหว่างปี 2016 ถึง 2020

โมเดล DRP ประมาณความเสี่ยงต่อมะเร็งเต้านมในช่วงสองถึงห้าปีจากการตรวจ longitudinal DBT, อายุของผู้ป่วย, และความหนาแน่นของเต้านม นักวิจัยได้เปรียบเทียบกับโมเดล DBT แบบจุดเดียว, โมเดล Mirai ที่ใช้ FFDM ในวันเดียวกัน, และโมเดลความเสี่ยงทางคลินิก Tyrer‑Cuzick โดยวัดประสิทธิภาพด้วยค่า AUC, ดัชนีความสอดคล้องตามเวลา, และเมตริกคะแนน Brier แบบบูรณาการ

ในชุดทดสอบอิสระที่มีการตรวจ 34,570 ครั้ง บทความรายงานว่าโมเดล DRP แบบ longitudinal ได้ค่า AUC ในห้าปีที่ 0.721 (ช่วงเชื่อมั่น 95% 0.698–0.744) ซึ่งดีกว่าโมเดลจุดเดียวที่ 0.707 (ช่วงเชื่อมั่น 95% 0.683–0.730) และโมเดล Mirai ที่ 0.687 (ช่วงเชื่อมั่น 95% 0.663–0.710) ทั้งหมดที่ p < .001 การประกาศอธิบายผลลัพธ์เหล่านี้ว่าโมเดลสามารถจัดอันดับผู้หญิงที่มีความเสี่ยงสูงได้อย่างถูกต้อง 72%, 70% และ 68% ของเวลา ตามลำดับ

ในกลุ่มคอสท์คอนโทรลที่จับคู่ได้ 432 ผู้หญิง บทความรายงานค่า AUC ในห้าปีของโมเดล DRP ที่ 0.676 (ช่วงเชื่อมั่น 95% 0.626–0.726) เทียบกับ 0.563 (ช่วงเชื่อมั่น 95% 0.509–0.619; p < .001) ของโมเดล Tyrer‑Cuzick การเปรียบเทียบนี้ในการประกาศระบุเป็น 67% เทียบกับ 56% ตามข้อมูลเผยแพร่ Tyrer‑Cuzick ไม่ใช้ AI หรือการสแกนแมมโมแกรม แต่พึ่งพาข้อมูลทางการแพทย์ส่วนบุคคลและครอบครัว เช่น อายุ, การกลายพันธุ์ทางพันธุกรรม, และความหนาแน่นของเต้านมที่สนับสนุนโดยผลการตัดชิ้นเนื้อ; การเปรียบเทียบครอบคลุมผู้หญิง 432 ราย โดยครึ่งหนึ่งจับคู่กับผู้หญิงที่มีอายุและพื้นฐานคล้ายกันแต่ผลลัพธ์ในห้าปีต่างกัน

การศึกษายังรายงานว่าความหนาแน่นของเต้านมเพียงอย่างเดียวไม่ได้สอดคล้องกับความเสี่ยงที่คาดการณ์ไว้ ในการตรวจของผู้หญิงที่มีความหนาแน่นของเต้านมสูงมาก โมเดลจัดประเภท 39.7% (746 จาก 1,877) เป็นความเสี่ยงระดับปานกลาง โดยมีอัตราการเกิดมะเร็งในห้าปีที่สังเกตได้ 0.8% (6 จาก 746); ในการตรวจของผู้หญิงที่มีเต้านมแบบไขมัน โมเดลจัดประเภท 14.8% (386 จาก 2,605) เป็นความเสี่ยงสูง โดยมีอัตราการเกิดโรคที่สังเกตได้ 2.6% (10 จาก 386) การประกาศซึ่งระบุว่ากระดูกเต้านมที่หนาแน่นเป็นที่ทราบว่าทำให้ความเสี่ยงต่อมะเร็งเพิ่มขึ้น รายงานส่วนแบ่งเหล่านี้เป็น 37.6% และ 0.7% สำหรับกลุ่มแรก และ 15.5% และ 2.5% สำหรับกลุ่มที่สองตามลำดับ

นักวิจัยอาวุโส Yiqiu “Artie” Shen, PhD, ผู้ช่วยศาสตราจารย์ในภาควิชารังสีวิทยาที่ NYU Grossman School of Medicine และศูนย์มะเร็ง Perlmutter กล่าวว่า ผลการศึกษาแสดงให้เห็นว่าการทำแมมโมแกรม 3 มิติซ้ำหลายครั้งบรรจุข้อมูลเกี่ยวกับความเสี่ยงต่อมะเร็งเต้านมในอนาคตของผู้หญิงที่ไม่ได้ถูกจับโดยความหนาแน่นของเต้านมหรือแมมโมแกรมเดียว การวิจัยพบว่าน้อยกว่า 3% ของผู้หญิงที่ทำการทดสอบในระหว่างการศึกษา ซึ่งสิ้นสุดในปี 2025 พัฒนาเป็นมะเร็งเต้านม และการทดสอบทั้งหมดใช้เครื่องมือถ่ายภาพเต้านมที่ผลิตโดย Hologic Inc. ของเมือง Marlborough, Massachusetts; บทความระบุว่าการออกแบบเป็นการศึกษาแบบโคฮอร์ตย้อนหลังศูนย์เดียว

ผู้เขียนสรุปว่าโมเดลการเรียนรู้เชิงลึกที่ใช้การตรวจ longitudinal DBT ปรับปรุงการทำนายความเสี่ยงต่อมะเร็งเต้านมในระยะยาวเมื่อเทียบกับโมเดลที่อิง FFDM และโมเดลความเสี่ยงทางคลินิก และระบุผลกระทบทางคลินิกว่าเป็นศักยภาพในการให้ข้อมูลการประเมินความเสี่ยงแบบไดนามิกโดยใช้ภาพการคัดกรองและสนับสนุนกลยุทธ์การคัดกรองส่วนบุคคลในอนาคต

การตรวจสอบความถูกต้อง การระดมทุน และบริบทการคัดกรองที่วางแผนไว้

“หากการทดลองในผู้หญิงที่มีมะเร็งเต้านมคนอื่นในอนาคตประสบความสำเร็จแล้ว แมมโมแกรม 3 มิติที่ช่วยด้วย AI เช่น NYU-DRP จะช่วยให้แพทย์ปรับการคัดกรองให้เหมาะกับความเสี่ยงจริงของผู้หญิงได้ดียิ่งขึ้นโดยการระบุผู้หญิงที่อาจได้รับประโยชน์จากการคัดกรองเพิ่มเติมและหลีกเลี่ยงการตรวจเสริมที่ไม่จำเป็นสำหรับผู้ที่มีความเสี่ยงต่ำ” นักวิจัยร่วม Laura Heacock, MD, รองศาสตราจารย์ในภาควิชารังสีวิทยาที่ NYU Grossman School of Medicine และศูนย์มะเร็ง Perlmutter กล่าว

Shen กล่าวว่าทีมงานตั้งแผนต่อไปจะใช้โปรแกรม longitudinal DBT เพื่อติดตามสุขภาพเต้านมของผู้หญิงอย่างเชิงรุก โดยสังเกตว่าตัวเครื่องมือส่งผลต่อสุขภาพของพวกเขาอย่างไรและใครพัฒนาเป็นมะเร็งเต้านม นักวิจัยยังวางแผนที่จะแบ่งปันและตรวจสอบความสอดคล้องของเครื่องมือนี้ด้วยข้อมูลจากศูนย์สุขภาพวิชาการอื่น ๆ และจากผู้ผลิตแมมโมแกรม 3 มิติที่แตกต่างกัน

การสนับสนุนด้านทุนสำหรับการศึกษานี้มาจากการให้ทุนของ National Science Foundation หมายเลข 1922658, การให้ทุนของ National Institutes of Health หมายเลข R01EB036530, กองทุน Milstein Pilot Project, กองทุน Shifrin‑Myers Breast Cancer Discovery, และ Manhasset Women’s Coalition Against Breast Cancer นอกจาก Xu, Shen, และ Heacock แล้ว นักวิจัยร่วมของการศึกษายังรวมถึง Jungkyu Park, Felicia Pasadyn, Qi Lei, Alana Lewin, Krzysztof Geras, Linda Moy, และ Freya Schnabel และบทความระบุ Shen เป็นผู้ติดต่อหลัก

การประกาศวางการศึกษาในบริบทของสถิติการคัดกรองของสหรัฐ: ประมาณ 1 ใน 8 ผู้หญิงในสหรัฐอเมริกาจะได้รับการวินิจฉัยว่าเป็นมะเร็งเต้านมตลอดชีวิต โดยคาดว่าประมาณ 382,640 ผู้หญิงจะได้รับการวินิจฉัยในปี 2026 อัตราการอยู่รอดสัมพัทธ์ในห้าปีเกิน 99% เมื่อมะเร็งเต้านมถูกตรวจพบในระยะเริ่มแรก มีผู้รอดชีวิตจากมะเร็งเต้านมมากกว่า 4 ล้านคนในประเทศ มีการทำแมมโมแกรมมากกว่า 43 ล้านครั้งในปี 2025 และผู้เชี่ยวชาญขณะนี้แนะนำให้ทำการคัดกรองแมมโมแกรมประจำปีตั้งแต่อายุ 40 ปี