Modelo de riesgo de cáncer de mama basado en mamografía de aprendizaje profundo, su cambio en serie y la mortalidad...

Área de la Ciencia:

• En el campo de la oncología
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• Los modelos de riesgo de cáncer de mama existentes tienen limitaciones para predecir los resultados de la mortalidad.
• Existe una brecha en la evaluación de la precisión predictiva de los modelos de riesgo para la mortalidad real.

Objetivo del estudio:

• Investigar la asociación entre el modelo de aprendizaje profundo de Mirai y la mortalidad específica por cáncer de mama.
• Evaluar el valor predictivo de las puntuaciones de riesgo de Mirai para la mortalidad en mujeres coreanas.

Principales métodos:

• Estudio de cohorte retrospectivo de 124.653 mujeres coreanas libres de cáncer (de ≥ 34 años) entre 2009 y 2020.
• Estratificación por tertiles de puntuación de riesgo Mirai y categorización por cambios temporales de riesgo.
• Regresión proporcional de riesgos de Cox para analizar las asociaciones con la mortalidad específica por cáncer de mama.

Principales resultados:

• El tercio con mayor riesgo de Mirai mostró una tasa de mortalidad significativamente mayor (HR 5.34) en comparación con el tercio con menor riesgo.
• Los cambios temporales en las puntuaciones de Mirai se asociaron con la mortalidad; los individuos con riesgo persistentemente alto o creciente tuvieron una mayor mortalidad.
• Los individuos que permanecieron en alto riesgo (HR 5.92) o que pasaron de bajo a alto riesgo (HR 5.57) presentaron una mayor mortalidad.

Conclusiones:

• El modelo Mirai, inicialmente para la incidencia, está significativamente asociado con la mortalidad específica por cáncer de mama.
• Los cambios en las puntuaciones de riesgo de Mirai a lo largo del tiempo predicen la mortalidad, lo que apoya a la IA en el cribado estratificado por riesgo.
• Los modelos basados en IA pueden guiar las estrategias de prevención para reducir las muertes por cáncer de mama.