Estudo de impacto de decisão do peito PreciseDx (PDxBRUTILITY)

O câncer de mama (CM) feminino ultrapassou o câncer de pulmão como o câncer mais comumente diagnosticado em todo o mundo, o que se traduz em 24,5% de todos os diagnósticos de câncer e 15,5% de todas as mortes por câncer. Nos Estados Unidos, estima-se que 290.560 americanos serão diagnosticados com cancro da mama em 2022 e 43.780 morrerão da doença. Dadas essas estatísticas, as diretrizes de prática clínica da National Comprehensive Cancer Network (NCCN), da American Society of Clinical Oncology (ASCO) e do College of American Pathologists (CAP) de 2022 continuam a enfatizar a importância crítica da avaliação da patologia no momento do diagnóstico para estabelecer a extensão da doença e características que refletem um potencial biológico para recorrência, como grau histológico e estágio.

O Precise Dx Breast Assay (PDxBR™) é um teste prognóstico in vitro clinicamente aprovado pelo NYSDOH para prever a recorrência do câncer de mama em pacientes com diagnóstico de IBC em estágio inicial. O teste utiliza uma digitalização digital de uma amostra representativa de ressecção corada com H&E do paciente. Usando avanços na análise de imagens baseadas em resultados de inteligência artificial (IA), características selecionadas do câncer invasivo são adquiridas e combinadas com variáveis ​​clínicas para produzir uma pontuação de risco que prevê a probabilidade de recorrência do câncer de mama dentro de 6 anos. Com o advento dos métodos computacionais, o investigador investigou se a interrogação por IA de imagens inteiras de lâminas (WSI) poderia ser usada para melhorar a caracterização e a precisão da histopatologia do IBC. A abordagem baseou-se na geração de características morfológicas quantitativas e discretas dentro de uma seção de tecido (Morphology Feature Array, MFA) e no uso de aprendizado de máquina para criar modelos de IA que preveem o risco de recorrência na doença em estágio inicial. O investigador desenvolveu um teste que melhora a estratificação de risco de IBC em relação ao uso de características clínicas, bem como a reclassificação do grau histológico padrão da mama em grupos de baixo e alto risco usando modelos de IA habilitados para MFA.