经验证的利用既往乳腺X线影像预测5年乳腺癌风险的动态模型

《Breast Cancer Research》：Meeting abstracts of the 11th International Breast Density and Cancer Risk Assessment Workshop

　　

目前基于图像的长期风险预测模型未能充分利用已有数据。结合当前及既往筛查乳腺X线影像的动态风险预测模型尚未被评估用于常规诊疗。该动态模型在一个基于WashU临床的前瞻性队列中训练，该队列包含10,099名入组时无癌症的女性（招募自2008年11月3日至2012年2月期间接受常规筛查的女性）。随访至2020年，共确定478例经病理确诊的乳腺癌病例。该队列包含27%的非西班牙裔黑人女性。本研究纳入两个外部验证队列。第一个为Emory队列，包含自2013年起接受筛查并随访至2020年的18,360名女性，其中42%为非西班牙裔黑人女性，有332例经病理确诊的乳腺癌病例。第二个为来自不列颠哥伦比亚癌症（BC Cancer）乳腺筛查项目的前瞻性队列，包含208,313名40–74岁女性，筛查时间为2013年1月至2019年12月31日。研究人员确定了3,021例至2023年6月20日确诊的经病理确诊的偶发乳腺癌。在Emory队列中，利用当前筛查乳腺X线影像可获得的3年既往影像，在排除筛查后6个月内诊断的病例后，控制年龄和BI-RADS乳腺密度，研究人员获得5年AUC为0.80（95% CI 0.78, 0.83）。在同一女性中评估模型性能显示，这比仅使用当前就诊乳腺X线影像的AUC 0.74（95% CI 0.71, 0.77）有显著改善（p??4%）与极低风险（论文解读

**研究背景与目的**

乳腺癌风险预测是精准筛查和预防的基础。目前临床上常用的基于图像的长期风险预测模型，如仅利用单次乳腺X线影像的静态模型，未充分利用女性既往多次筛查所积累的纵向影像信息。动态风险预测模型能够整合当前及既往的筛查影像，有望更全面地捕捉乳腺组织随时间的变化，从而提高风险预测的准确性。然而，这类动态模型是否适用于常规诊疗尚未得到验证。为此，Shu Jiang等人开展了一项研究，旨在开发并验证一种利用既往乳腺X线影像的动态模型，用于预测女性5年内乳腺癌的发生风险。该研究发表于《Breast Cancer Research》。

**研究设计与方法**

研究人员利用一个前瞻性WashU临床队列（10,099名无癌女性，招募于2008年11月至2012年2月）对动态模型进行训练，中位随访至2020年，共识别478例经病理确诊的乳腺癌病例。模型纳入当前及既往的筛查乳腺X线影像，通过深度学习提取影像特征并建模。模型在两个外部队列中验证：其一是Emory队列（18,360名女性，筛查始于2013年，随访至2020年，含332例乳腺癌）；其二是BC Cancer乳腺筛查项目队列（208,313名40–74岁女性，筛查时间2013–2019年，含3,021例乳腺癌）。研究以受试者工作特征曲线下面积（AUC）评估区分度，并依据SEER 5年发病率数据进行校准。

**研究结果**

*Emory队列验证结果*

在Emory队列中，利用当前筛查时已有的3年既往乳腺X线影像，排除筛查后6个月内诊断的病例，控制年龄和BI-RADS乳腺密度后，动态模型的5年AUC为0.80（95% CI 0.78, 0.83），显著高于仅使用当前乳腺X线影像的AUC 0.74（95% CI 0.71, 0.77），差异具有统计学意义（p?
*BC Cancer队列验证结果*

在BC Cancer队列中，结合当前影像和最多4年的既往影像，仅基于图像分析的5年AUC为0.78（95% CI 0.76–0.80），同样显著优于仅使用当前影像的AUC 0.71（95% CI 0.69, 0.73）。该结果在独立的大规模人群中重复验证了动态模型的优势。

*风险分层能力*

将模型校准至SEER 5年发病率后，在Emory队列中，高风险组（5年风险>4%）与极低风险组（<0.3%）相比，风险比为21.1；在BC Cancer队列中，风险比为24.4。这表明模型能将人群有效地区分为差异极大的风险层级，具备良好的风险分层能力。

*关键发现与筛查策略影响*

关键发现：在静态模型基础上加入既往筛查乳腺X线影像，可显著改善5年乳腺癌风险预测能力。对筛查策略的影响：该模型能够识别出可能从补充筛查或风险降低策略中受益的高风险女性，为个体化筛查方案的制定提供了依据。

**结论**

本研究成功开发并外部验证了一种利用既往乳腺X线影像的动态风险预测模型。研究表明，与仅使用当前影像的静态模型相比，动态模型可显著提高5年乳腺癌风险的预测准确性，并在两个独立队列中表现出一致的优越性。该模型的风险分层能力较强，有望在临床实践中用于识别高风险女性，指导补充筛查和预防干预。未来需进一步评估其在不同人群和实际筛查环境中的适用性。

相关新闻