Individuare precocemente il cancro al seno è fondamentale
Il cancro al seno è il tumore maligno più frequentemente diagnosticato nelle donne, nonché la prima causa di morte dovuta a tumori maligni. L’incidenza del cancro al seno è inoltre in costante aumento in tutte le regioni del mondo.
L’Organizzazione Mondiale della Sanità ha definito due strategie distinte ma correlate per promuovere l’individuazione precoce del cancro al seno:
– la diagnosi precoce, cioè il riconoscimento di un tumore sintomatico in una fase iniziale;
– lo screening, cioè l’identificazione della malattia asintomatica in una popolazione target di individui apparentemente sani.
Quando il cancro al seno viene individuato e trattato precocemente, le probabilità di sopravvivenza sono molto elevate.
Il miglioramento dei modelli di rischio per il cancro al seno permette di adottare strategie di screening mirate che consentono un’individuazione precoce
Una valutazione accurata del rischio è essenziale per il successo dei programmi di screening per il cancro al seno. Modelli con elevata sensibilità e specificità consentirebbero ai programmi di indirizzare gli sforzi di screening più elaborati alle popolazioni ad alto rischio, riducendo al minimo il sovratrattamento per le altre.
I modelli di rischio basati sull’intelligenza artificiale (AI) hanno dimostrato un notevole progresso rispetto ai modelli di rischio utilizzati oggi nella pratica clinica
In particolare, Mirai è un modello di deep learning basato sulla mammografia e progettato per prevedere il rischio in più momenti, producendo previsioni coerenti tra le macchine mammografiche.
Sviluppato dal MIT, dal Massachusetts General Hospital e dal Memorial Sloan Kettering, Mirai, grazie all’intelligenza artificiale, è in grado di esaminare le mammografie e di confrontarle per identificare anomalie e aree che il radiologo potrebbe voler esaminare con maggiore attenzione. Questa tecnica viene definita rilevamento assistito da computer.
L’anno scorso Mirai è stato validato in diverse coorti internazionali. Sono state raccolte oltre 128.000 mammografie di più di 62.000 pazienti in sette ospedali di cinque Paesi. Quello svolto è il primo studio che suggerisce che il modello di screening del tumore al seno basato sull’intelligenza artificiale, sviluppato su un set di dati su larga scala con almeno cinque etnie, può offrire una trasferibilità impressionante e robusta. Una validazione interregionale così estesa è difficile a causa dell’eterogeneità interetnica del tumore al seno, dei bias dei dispositivi delle diverse istituzioni e della completezza dei dati clinici delle pazienti. Mirai ha mantenuto prestazioni elevate ed è riuscito a identificare con precisione sottogruppi ad alto rischio in tutte le coorti testate.
Inoltre, questo modello di intelligenza artificiale ha mostrato prestazioni migliori rispetto al modello tradizionale ampiamente utilizzato per migliorare la diagnosi precoce e ridurre il sovratrattamento del cancro al seno. Lo studio ha concluso quindi che Mirai ha il potenziale per sostituire gli attuali modelli di valutazione del rischio di cancro al seno raccomandati dalle linee guida cliniche per lo screening con risonanza magnetica.
Quella appena descritta è la più ampia convalida finora ottenuta da un modello di cancro al seno basato sull’intelligenza artificiale e suggerisce che la tecnologia può offrire ampi miglioramenti nelle cure.
È notizia degli ultimi giorni che l’AI abbia identificato l’alto rischio di una donna di sviluppare un cancro al seno e che quattro anni dopo il cancro si sia effettivamente sviluppato. Questo dimostra ulteriormente come uno strumento del genere possa essere fondamentale. Ciò che si può fare quando l’AI identifica un rischio elevato di sviluppare un cancro al seno è ordinare ulteriori test ed esami specifici, come mammografie con contrasto o risonanze magnetiche.
Va sottolineato che l’AI non è un sistema a sé stante, ma è uno strumento che aiuta il radiologo a esaminare meglio le immagini e perciò avrà sempre bisogno di un essere umano per prendere decisioni personalizzate a seconda di ogni paziente. La combinazione di questo strumento con l’esperienza umana consentirà la diagnosi precoce in molte donne, migliorando le loro possibilità di sopravvivenza, e quindi ci auguriamo che questa tecnologia diventi al più presto lo standard di cura.
Bibliografia
- Ginsburg O et al. Breast cancer early detection: A phased approach to implementation. Cancer. 2020 May 15;126 Suppl 10(Suppl 10):2379-2393.
- Smolarz B et al. Breast Cancer-Epidemiology, Classification, Pathogenesis and Treatment (Review of Literature). Cancers (Basel). 2022 May 23;14(10):2569.
- Yala A et al. Multi-Institutional Validation of a Mammography-Based Breast Cancer Risk Model. J Clin Oncol. 2022 Jun 1;40(16):1732-1740.
- Yala A et al. Toward robust mammography-based models for breast cancer risk. Sci Transl Med. 2021 Jan 27;13(578):eaba4373.
- https://edition.cnn.com/videos/health/2023/03/07/artificial-intelligence-breast-cancer-detection-mammogram-cnntm-vpx.cnn
