Badanie wpływu decyzji dotyczące piersi PreciseDx (PDxBRUTILITY)

Rak piersi kobiet (BC) wyprzedził raka płuc jako najczęściej diagnozowany nowotwór na świecie, co przekłada się na 24,5% wszystkich rozpoznań nowotworów i 15,5% wszystkich zgonów z powodu nowotworów. Szacuje się, że w 2022 r. w Stanach Zjednoczonych rak piersi zostanie zdiagnozowany u 290 560 Amerykanów, a 43 780 umrze z jego powodu. Biorąc pod uwagę te statystyki, wytyczne dotyczące praktyki klinicznej opracowane przez National Comprehensive Cancer Network (NCCN), Amerykańskie Towarzystwo Onkologii Klinicznej (ASCO) i College of American Pathologists (CAP) z 2022 r. w dalszym ciągu podkreślają kluczowe znaczenie oceny patologii w momencie rozpoznania dla ustalenia zakresu choroby. choroba i cechy odzwierciedlające biologiczny potencjał nawrotu, takie jak stopień i stadium histologiczne.

Precise Dx Breast Assay (PDxBR™) to prognostyczny, klinicznie zatwierdzony test in vitro, opracowany przez NYSDOH, służący do przewidywania nawrotu raka piersi u pacjentek, u których zdiagnozowano IBC we wczesnym stadium. W teście wykorzystuje się cyfrowy skan reprezentatywnej próbki resekcji pobranej od pacjenta, barwionej H&E. Wykorzystując postępy w analizie obrazu opartej na wynikach sztucznej inteligencji (AI), wybrane cechy raka inwazyjnego są zbierane i łączone ze zmiennymi klinicznymi w celu uzyskania oceny ryzyka przewidującej prawdopodobieństwo nawrotu raka piersi w ciągu 6 lat. Wraz z pojawieniem się metod obliczeniowych badacze zbadali, czy badanie AI całych obrazów slajdów (WSI) mogłoby zostać wykorzystane do poprawy charakterystyki i dokładności histopatologii IBC. Podejście opierało się na generowaniu ilościowych, dyskretnych cech morfologicznych w skrawku tkanki (Morphology Feature Array, MFA) oraz wykorzystaniu uczenia maszynowego do tworzenia modeli sztucznej inteligencji, które przewidują ryzyko nawrotu choroby we wczesnym stadium. Badacz opracował test, który poprawia stratyfikację ryzyka IBC w porównaniu z wykorzystaniem cech klinicznych, a także reklasyfikację standardowego stopnia histologicznego piersi na grupy niskiego i wysokiego ryzyka przy użyciu modeli AI z obsługą MFA.