Estudio de impacto en la decisión de PreciseDx Breast (PDxBRUTILITY)

El cáncer de mama (CM) femenino ha superado al cáncer de pulmón como el cáncer más comúnmente diagnosticado en todo el mundo, lo que se traduce en el 24,5% de todos los diagnósticos de cáncer y el 15,5% de todas las muertes por cáncer. En Estados Unidos, se estima que 290.560 estadounidenses serán diagnosticados con cáncer de mama en 2022 y 43.780 morirán a causa de la enfermedad. Dadas estas estadísticas, las guías de práctica clínica de la Red Nacional Integral del Cáncer (NCCN), la Sociedad Estadounidense de Oncología Clínica (ASCO) y el Colegio de Patólogos Estadounidenses (CAP) de 2022 continúan enfatizando la importancia crítica de la evaluación patológica en el momento del diagnóstico para establecer el alcance de la enfermedad. enfermedad y características que reflejan un potencial biológico de recurrencia, como el grado histológico y el estadio.

Precise Dx Breast Assay (PDxBR™) es una prueba de pronóstico in vitro clínicamente aprobada por el NYSDOH para predecir la recurrencia del cáncer de mama en pacientes diagnosticadas con IBC en etapa temprana. La prueba utiliza una exploración digital de una muestra de resección representativa del paciente teñida con H&E. Utilizando avances en el análisis de imágenes basado en resultados de inteligencia artificial (IA) aplicada, se adquieren características seleccionadas del cáncer invasivo y se combinan con variables clínicas para producir una puntuación de riesgo que predice la probabilidad de recurrencia del cáncer de mama en un plazo de 6 años. Con la llegada de los métodos computacionales, los investigadores investigaron si el interrogatorio con IA de imágenes de portaobjetos completos (WSI) podría usarse para mejorar la caracterización y precisión de la histopatología del IBC. El enfoque se basó en la generación de características morfológicas cuantitativas y discretas dentro de una sección de tejido (Morphology Feature Array, MFA) y el uso de aprendizaje automático para crear modelos de inteligencia artificial que predicen el riesgo de recurrencia en la enfermedad en etapa temprana. El investigador desarrolló una prueba que mejora la estratificación del riesgo del IBC en relación con el uso de características clínicas, así como la reclasificación del grado histológico mamario estándar en grupos de bajo y alto riesgo utilizando modelos de IA habilitados para MFA.