使用先进的医学算法，研究人员已经识别出六种乳腺组织纹理模式，这些模式可能表明乳腺癌的高风险。
在一项新研究中，这是同类研究中规模最大的之一，发表在《放射学》杂志上，研究团队分析了超过30,000名女性的乳房X光片，并将这些信息归纳为六种表型。
通过这些新信息，研究团队希望改进乳腺癌的筛查和预防。
乳腺组织模式
一位52岁女性的全视野数字乳房X光片（FFDM）显示高风险表型（顶部），而一位58岁女性的FFDM显示低风险表型（底部）。高风险表型定义为第一主成分（PC1）值较高，并被分配到第3组（顶部行），而低风险表型定义为PC1值较低，并被分配到第1组（底部行）。提供了索引图像（左侧；癌症诊断前）以及随访图像，分别是在癌症诊断时（高风险表型，右上）或最后一次随访时（低风险表型，右下）获得的。红色圆圈表示随后发生的乳腺癌位置。两名女性的乳腺成像报告和数据系统（BI-RADS）乳腺密度均为C。高风险乳腺癌的女性是黑人，而低风险乳腺癌的女性是白人。（图片来源：北美放射学会（RSNA））
对于那些乳腺组织较密集的女性，即乳腺中包含更多的腺体组织而不是脂肪组织，通过乳房X光片检测癌症可能会更困难。这是因为密集组织和癌症生长在乳房X光片上看起来相似，都呈白色。乳腺组织较密集的女性患乳腺癌的风险也更高。
使问题更加复杂的是，具有类似密集乳腺组织的女性实际上可能具有不同的组织模式。然而，理解这些乳腺组织模式和特征可以改善乳腺癌的监测和发现。
“我们假设某些模式或表型与未来乳腺癌的高风险相关，并建议哪些女性可能受益于补充筛查或预防策略，”明尼苏达州罗切斯特市梅奥诊所流行病学教授、该研究的主要作者之一塞琳·M·瓦肖恩博士在一份新闻稿中说。“其他表型可能与低风险相关，最终，这可能意味着减少筛查频率。”
乳腺癌算法和医学影像
在这项研究中，研究团队对来自三个不同队列的超过30,000名患者的乳房X光片使用了放射组学——一种利用数据算法从医学图像中提取信息的方法。这些患者没有乳腺癌病史。
放射组学提取了乳腺组织中的模式和特征，这些模式和特征通常不易被人眼察觉。
从这些信息中，放射组学提取了390个特征，并将其分为六种不同的表型。研究团队随后将这些表型应用于3,500名患者，其中一些人已经发展成乳腺癌，而另一些人则没有。结果发现，这些表型与黑人和白人患者的乳腺癌高风险相关。
“我们惊讶地发现，这些放射组学表型显示出黑人女性比白人女性有更强的风险关联，”哥伦比亚大学欧文医学中心放射科学赫伯特和弗洛伦斯·欧文教授兼首席研究信息官德斯皮娜·孔托斯博士在一份新闻稿中说。“这一点尤其重要，因为乳腺癌在黑人女性中往往更具侵袭性，突显了这一人群中需要新的风险因素。”
提高乳腺癌检测的准确性
根据这项研究，这些表型可能导致患者的乳房X光片出现假阴性，即错过癌症诊断。
“了解谁最有可能患侵袭性乳腺癌，特别是最具侵袭性的类型，对于预防癌症并在早期诊断以选择较少侵入性的治疗方法至关重要，”加州大学旧金山分校医学和流行病学及生物统计学教授、该研究的共同资深作者卡莉拉·M·克尔利科夫斯基博士在一份新闻稿中说。
研究团队计划将这些发现应用到其他应用程序中，以更准确地检测乳腺癌并确定谁更有可能患病。
“我们的下一步包括扩大对美国人群中更大群体的研究，特别是检查三维乳房X光片，并将这些放射组学风险因素与遗传和其他生活方式因素结合起来，以提高我们定义谁（以及谁不是）侵袭性乳腺癌高风险的能力，”瓦肖恩在一份新闻稿中说。
(全文结束)
