Nonostante i grandi progressi nella genetica e nell'imaging moderno, la diagnosi coglie di sorpresa la maggior parte dei malati di cancro al seno. Per alcuni, arriva troppo tardi. La diagnosi tardiva significa trattamenti aggressivi, esiti incerti, e più spese mediche. Di conseguenza, l'identificazione dei pazienti è stato un pilastro centrale della ricerca sul cancro al seno e di un'efficace diagnosi precoce.

Con quello in mente, un team del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT e del Massachusetts General Hospital (MGH) ha creato un nuovo modello di apprendimento profondo in grado di prevedere da una mammografia se un paziente può sviluppare il cancro al seno fino a cinque anni nel futuro. Formazione su mammografie e risultati noti da oltre 60, 000 pazienti MGH, il modello ha appreso i modelli sottili nel tessuto mammario che sono precursori di tumori maligni.

Professoressa del MIT Regina Barzilay, lei stessa sopravvissuta al cancro al seno, afferma che la speranza è che sistemi come questi consentano ai medici di personalizzare i programmi di screening e prevenzione a livello individuale, rendere la diagnosi tardiva una reliquia del passato.

Sebbene la mammografia abbia dimostrato di ridurre la mortalità per cancro al seno, c'è un dibattito continuo su quanto spesso eseguire lo screening e quando iniziare. Mentre l'American Cancer Society raccomanda lo screening annuale a partire dall'età di 45 anni, la Task Force preventiva degli Stati Uniti raccomanda lo screening ogni due anni a partire dall'età di 50 anni.

"Piuttosto che adottare un approccio universale, possiamo personalizzare lo screening intorno al rischio di una donna di sviluppare il cancro, "dice Barzilay, autore senior di un nuovo articolo sul progetto uscito oggi in Radiologia. "Per esempio, un medico potrebbe raccomandare che un gruppo di donne faccia una mammografia ogni due anni, mentre un altro gruppo ad alto rischio potrebbe ottenere uno screening MRI supplementare." Barzilay è il Delta Electronics Professor al CSAIL e il Dipartimento di Ingegneria Elettrica e Informatica al MIT e membro del Koch Institute for Integrative Cancer Research al MIT.

Il modello del team era significativamente migliore nel prevedere il rischio rispetto agli approcci esistenti:ha collocato con precisione il 31% di tutti i malati di cancro nella sua categoria a più alto rischio, rispetto al solo 18 percento dei modelli tradizionali.

La professoressa di Harvard Constance Lehman afferma che in precedenza c'era un supporto minimo nella comunità medica per le strategie di screening basate sul rischio piuttosto che basate sull'età.

"Questo perché prima non avevamo strumenti di valutazione del rischio accurati che funzionassero per le singole donne, "dice Lehman, professore di radiologia presso la Harvard Medical School e capo divisione di imaging mammario presso MGH. "Il nostro lavoro è il primo a dimostrare che è possibile".

Barzilay e Lehman hanno scritto il documento con l'autore principale Adam Yala, un dottorato CSAIL alunno. Altri coautori del MIT includono Ph.D. studente Tal Schuster e l'ex studente di master Tally Portnoi.

Come funziona

Dal primo modello di rischio di cancro al seno del 1989, lo sviluppo è stato in gran parte guidato dalla conoscenza umana e dall'intuizione di quali potrebbero essere i principali fattori di rischio, come l'età, storia familiare di cancro al seno e alle ovaie, fattori ormonali e riproduttivi, e la densità del seno.

Però, la maggior parte di questi marcatori è solo debolmente correlata con il cancro al seno. Di conseguenza, tali modelli non sono ancora molto precisi a livello individuale, e molte organizzazioni continuano a ritenere che i programmi di screening basati sul rischio non siano possibili, dati questi limiti.

Piuttosto che identificare manualmente i modelli in una mammografia che guidano il cancro futuro, il team del MIT/MGH ha addestrato un modello di deep learning per dedurre i modelli direttamente dai dati. Utilizzando le informazioni provenienti da più di 90, 000 mammografie, il modello ha rilevato modelli troppo sottili per essere rilevati dall'occhio umano.

"Dagli anni '60 i radiologi hanno notato che le donne hanno modelli di tessuto mammario unici e ampiamente variabili visibili sulla mammografia, " dice Lehman. "Questi modelli possono rappresentare l'influenza della genetica, ormoni, gravidanza, allattamento, dieta, perdita di peso, e aumento di peso. Ora possiamo sfruttare queste informazioni dettagliate per essere più precisi nella nostra valutazione del rischio a livello individuale".

Rendere più equo il rilevamento del cancro

Il progetto mira anche a rendere più accurata la valutazione del rischio per le minoranze razziali, in particolare. Molti dei primi modelli sono stati sviluppati su popolazioni bianche, ed erano molto meno precisi per le altre razze. Il modello MIT/MGH, nel frattempo, è ugualmente accurato per le donne bianche e nere. Ciò è particolarmente importante dato che è stato dimostrato che le donne di colore hanno il 42% in più di probabilità di morire di cancro al seno a causa di un'ampia gamma di fattori che possono includere differenze nel rilevamento e nell'accesso all'assistenza sanitaria.

"È particolarmente sorprendente che il modello si comporti allo stesso modo sia per i bianchi che per i neri, che non era il caso con gli strumenti precedenti, "dice Allison Kurian, professore associato di medicina e ricerca/politica sanitaria presso la Stanford University School of Medicine. "Se convalidato e reso disponibile per un uso diffuso, questo potrebbe davvero migliorare le nostre attuali strategie per stimare il rischio".

Barzilay afferma che il loro sistema potrebbe anche consentire un giorno ai medici di utilizzare le mammografie per vedere se i pazienti corrono un rischio maggiore per altri problemi di salute, come malattie cardiovascolari o altri tumori. I ricercatori sono desiderosi di applicare i modelli ad altre malattie e disturbi, e soprattutto quelli con modelli di rischio meno efficaci, come il cancro al pancreas.

"Il nostro obiettivo è rendere questi progressi parte dello standard di cura, " dice Yala. "Prevedendo chi svilupperà il cancro in futuro, speriamo di poter salvare vite umane e prendere il cancro prima che si manifestino i sintomi".

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.