Nästan alla bröstcancerpatienter opereras i armhålan för att se om sjukdomen spridit sig till lymfkörtlarna. Men nu har forskare vid Lunds universitet utvecklat en AI-baserad metod som kan identifiera patienter med låg risk – och därmed minska behovet av ingrepp. Resultaten visar att över 40 procent av dagens operationer skulle kunna undvikas.
Vid en bröstcancerdiagnos görs ofta en mindre operation i armhålan för att undersöka om cancern spridit sig till lymfkörtlarna. Syftet är att bedöma prognos och välja rätt behandling. Ingreppet kan dock orsaka smärta, svullnad och känselbortfall.
Ungefär var femte patient med bröstcancer har spridning till armhålan. Hos övriga cirka 80 procent är lymfkörtlarna fria från cancer.
Skonsammare metoder utvecklas
Vid Lunds universitet pågår projektet NILS (Non-invasive lymph node staging) – ett flerårigt forskningsamarbete som undersöker hur artificiell intelligens kan användas för att förutsäga risken för metastaser.
– I dag görs ett separat ingrepp i armhålan, så kallad portvaktskörtelbiopsi, för att bedöma spridning till lymfkörtlar. Med NILS som utgångspunkt skulle vi i stället, utifrån patient- och tumördata, kunna göra en mer individbaserad riskbedömning redan före operationen, berättar Lisa Rydén, professor i kirurgi vid Lunds universitet och överläkare vid Skånes universitetssjukhus i ett pressmeddelande.
– Om risken är låg skulle en operation i armhålan, i dialog med patienten, kunna avstås. Om den är hög skulle vi planera för kirurgi. Det skulle vara ett steg mot mer personcentrerad vård där varje åtgärd har tydlig nytta för just den patienten, fortsätter hon.
AI tränas för att analysera bilder
I en studie har forskarna utvecklat en AI-modell för att analysera mammografibilder som tas rutinmässigt i samband med en bröstcancerdiagnos.
– I den aktuella studien har vårt fokus legat på att förutse risken för metastaser i armhålan, säger Lisa Rydén.
Bilder från mer än 1200 kvinnor i Skåne som fick en bröstcancerdiagnos och opererades mellan 2009 och 2017 användes. Gemensamt för deltagarna var att sjukdomen var i ett tidigt skede.
Söker ledtrådar i stort material
AI-modellen tränades att analysera hela mammografibilden, inte enbart tumörområdet. Genom att tolka bredare information kunde modellen beräkna risken för att cancern spridit sig.
– Först fick AI-modellen bland tiotusentals mammografibilder lära sig deras grundstruktur, som kanter, textur och former. Sedan tränades den att hitta särskilda ledtrådar till cancer, såsom tumörens gränser. Till sist fick den ett ”helhetstänk” genom att ta med annan viktig patientinformation, som ålder och tumörtyp, för att mer korrekt kunna förutsäga metastasrisken, säger Daqu Zhang, doktorand vid Naturvetenskapliga fakulteten, Lunds universitet.
40 procent kan slippa ingrepp
AI-modellen användes för att avgöra om lymfkörtlarna var fria från cancer. Resultaten visar att portvaktskörtelbiopsi hade kunnat undvikas i 41,7 procent av fallen.
– Den här studien pekar på att man genom att använda AI-modellen i stället för att operera alla patienter kan vi ringa in dessa drygt 40 procent av patienterna där man kan avstå från ingreppet, säger Lisa Rydén.
Hoppas på tidig riskbedömning
Sverige sticker ut internationellt med regelbunden allmän bröstscreening. Runt 67 procent av de svenska bröstcancerfallen upptäcks vid mammografiscreening hos kvinnor mellan 40 och 74 år.
Förhoppningen är att AI-modellen i framtiden ska kunna användas redan vid mammografiundersökningar för att bedöma risken för spridning till lymfkörtlar. Det skulle göra det möjligt att anpassa behandlingen direkt utifrån risken.
– I ett drömscenario skulle man kunna få mycket mer information om tumörstadium och prognos från de diagnostiska mammografibilderna. Vår artikel fokuserar på spridning till lymfkörtlarna, men i pågående internationella studier kan bildmönstret även förutse prognos, säger Lisa Rydén.
Vetenskaplig artikel:
Deep learning on routine full-breast mammograms enhances lymph node metastasis prediction in early breast cancer, NPJ Digital Medicine.
