La hiperplasia ductal atípica ADH es una lesión mamaria asociada con un aumento de cuatro a cinco veces en el riesgo de cáncer de mama. La ADH se encuentra principalmente mediante mamografía e identificada en la biopsia con aguja gruesa. A pesar de los múltiples pases de la lesión durante la biopsia, solo se muestrean porciones de las lesiones. Otros factores variables influyen en el muestreo y la precisión, de modo que la presencia de cáncer puede subestimarse en un 10-45%. Actualmente, se recomienda la extirpación quirúrgica para todos los casos de ADH encontrados en biopsias con aguja gruesa para determinar sila lesión es cancerosa. Alrededor del 20-30% de los casos de ADH se convierten en cáncer después de la escisión quirúrgica. Sin embargo, esto significa que el 70-80% de las mujeres se someten a un procedimiento quirúrgico costoso e invasivo para una lesión benigna pero de alto riesgo.
Un equipo de investigación de Dartmouth dirigido por Saeed Hassanpour, PhD, encontró un método de aprendizaje automático para predecir la actualización de ADH al cáncer. Tener esta información puede ayudar a los médicos y pacientes de bajo riesgo a decidir si la vigilancia activa y la terapia hormonal es una alternativa razonable a la cirugíaEscisión: la evaluación del modelo mostró que el enfoque de aprendizaje automático del equipo puede identificar el 98% de todos los casos malignos antes de la cirugía, evitando la cirugía, el 16% de las mujeres que de otro modo se habrían sometido a una operación innecesaria por una lesión benigna. Sus resultados, predicción deLas actualizaciones de hiperplasia ductal atípica a través de un enfoque de aprendizaje automático para reducir las extirpaciones quirúrgicas innecesarias se han publicado recientemente en Informática Clínica del Cáncer JCO .
"Nuestros resultados sugieren que existen diferencias clínicas sólidas entre las mujeres con riesgo bajo versus alto para la actualización de ADH al cáncer según los datos de biopsia con aguja gruesa que permitieron que nuestro modelo de aprendizaje automático prediga de manera confiable las actualizaciones de malignidad en nuestro conjunto de datos", dice Hassanpour. "el estudio también identificó importantes variables clínicas involucradas en el riesgo de actualización de ADH "
El uso de la escisión quirúrgica para descartar malignidad no está exento de daños, ya que el 70-80% de las mujeres se someten a una escisión quirúrgica invasiva por lesiones benignas de ADH. "Nuestro modelo puede ayudar potencialmente a pacientes y médicos a elegir un enfoque de tratamiento alternativo en casos de bajo riesgo".dice Hassanpour. "En la era de la medicina personalizada, estos modelos pueden ser deseables para pacientes que valoran un enfoque compartido de toma de decisiones con la capacidad de elegir entre la escisión quirúrgica para la seguridad frente a la vigilancia para evitar el costo, el estrés y los posibles efectos secundarios en las mujerescon bajo riesgo de actualización de ADH a cáncer ".
El equipo pronto planea expandir el alcance de su modelo al incluir otras lesiones mamarias de alto riesgo como neoplasia lobular, papilomas y cicatrices radiales. También planean validar aún más su enfoque en grandes conjuntos de datos externos utilizando cáncer de mama estatal y nacionalregistros y colaborando con otros centros médicos.
Fuente de la historia :
Materiales proporcionados por Centro médico Dartmouth-Hitchcock . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :