Studio sull'impatto decisionale del seno PreciseDx (PDxBRUTILITY)

Il cancro al seno femminile (BC) ha superato il cancro del polmone come tumore più comunemente diagnosticato in tutto il mondo, il che si traduce nel 24,5% di tutte le diagnosi di cancro e nel 15,5% di tutte le morti per cancro. Negli Stati Uniti, si stima che a 290.560 americane verrà diagnosticato un cancro al seno nel 2022 e 43.780 moriranno di malattia. Alla luce di queste statistiche, le linee guida sulla pratica clinica del National Comprehensive Cancer Network (NCCN) del 2022, dell’American Society of Clinical Oncology (ASCO) e del College of American Pathologists (CAP) continuano a sottolineare l’importanza fondamentale della valutazione della patologia al momento della diagnosi per stabilire l’entità della malattia. malattia e caratteristiche che riflettono un potenziale biologico di recidiva, come il grado istologico e lo stadio.

Precise Dx Breast Assay (PDxBR™) è un test prognostico in vitro clinicamente approvato dal NYSDOH per prevedere la recidiva del cancro al seno in pazienti con diagnosi di IBC in stadio iniziale. Il test utilizza una scansione digitale di un campione rappresentativo della resezione del paziente, colorato con H&E. Utilizzando i progressi nell’analisi delle immagini basata sui risultati dell’intelligenza artificiale applicata (AI), le caratteristiche selezionate del cancro invasivo vengono acquisite e combinate con variabili cliniche per produrre un punteggio di rischio che prevede la probabilità di recidiva del cancro al seno entro 6 anni. Con l'avvento dei metodi computazionali, i ricercatori hanno studiato se l'interrogazione tramite intelligenza artificiale di immagini di vetrini interi (WSI) potesse essere utilizzata per migliorare la caratterizzazione e l'accuratezza dell'istopatologia dell'IBC. L’approccio si basava sulla generazione di caratteristiche morfologiche quantitative e discrete all’interno di una sezione di tessuto (Morphology Feature Array, MFA) e sull’uso dell’apprendimento automatico per creare modelli di intelligenza artificiale che predicono il rischio di recidiva nella malattia in stadio iniziale. Il ricercatore ha sviluppato un test che migliora la stratificazione del rischio di IBC rispetto all'uso delle caratteristiche cliniche, nonché la riclassificazione del grado istologico della mammella standard in gruppi a basso e ad alto rischio utilizzando modelli AI abilitati all'MFA.