MIT-onderzoekers maken deeplearningmodel om risico borstkanker te voorspellen

Onderzoekers aan de MIT-universiteit hebben een deeplearningmodel gemaakt waarmee het risico op borstkanker bij vrouwen tot vijf jaar van tevoren voorspeld kan worden. Het model kijkt daarvoor naar subtiele weefselpatronen in borsten die in de vroege fase van de ziekte voorkomen.

Om het model te trainen gebruikten onderzoekers de mammogrammen van meer dan dertigduizend patiënten van het Massachusetts General Hospital waarvan de medische gevolgen bekend waren. Daardoor leerde het model de subtiele weefselpatronen te herkennen die met het menselijk oog niet waarneembaar zijn en kunnen wijzen op toekomstige kankercellen. Door bij patiënten naar die patronen te kijken, kan het model aangeven of een patiënt een verhoogd risico heeft op borstkanker in de periode van drie tot vijf jaar na de mammografie.

Het deeplearningmodel is volgens de onderzoekers nauwkeuriger dan het Tyrer-Cuzick-model, dat nu door medici wordt gebruikt om het risico van borstkanker bij vrouwen te voorspellen. Dit TC-model kijkt naar de borstweefseldichtheid en levenskenmerken van de vrouw. Van de zestigduizend patiënten zijn er 269 van wie bekend is dat ze borstkanker hebben of hebben gehad. Van die 269 plaatste het nieuwe MIT-model 31 procent in een hoogrisicogroep. Het TC-model zou slechts 18,2 procent van die vrouwen in een hoogrisicogroep hebben geplaatst.

Een bijkomend voordeel van het model is dat het beter werkt voor minderheden. De bestaande modellen zijn namelijk gebaseerd op kenmerken als leeftijd, hormonale factoren, familiegeschiedenissen en de weefseldichtheid van de borst. Deze modellen zijn veelal gemaakt op basis van de gegevens van blanke vrouwen. Daardoor zijn ze minder accuraat voor bijvoorbeeld zwarte vrouwen. Die doelgroep heeft in Amerika 43 procent meer kans om te overlijden door borstkanker dan blanke vrouwen. Omdat het MIT-model is gebaseerd op de weefselpatronen van ruim dertigduizend patiënten is de huidskleur van een vrouw niet van belang.

Op basis van de bevindingen van dit model zouden persoonlijke screeningsafspraken gemaakt kunnen worden met patiënten. Zo kan de dokter bijvoorbeeld aanvullende tests aanbevelen voor een vrouw die volgens het model een verhoogde kans heeft op borstkanker. Volgens de onderzoekers zijn er al langer medici die pleiten voor individuele screeningsafspraken, maar zou dit niet mogelijk zijn, omdat tests daar niet nauwkeurig genoeg voor zijn. Dit model zou daar wel nauwkeurig genoeg voor zijn, aldus de onderzoekers.

Het onderzoek is gepubliceerd onder de titel A Deep Learning Mammography-based Model for Improved Breast Cancer Risk Prediction.

Reacties (20)

[fractus]

Er staat hierboven dat er 60.000 verschillende patiënten zijn onderzocht, maar in de paper vind ik andere informatie:

This retrospective study included 88 994 consecutive screening mammograms in 39 571 women between January 1, 2009, and December 31, 2012. For each patient, all examinations were assigned to either training, validation, or test sets, resulting in 71 689, 8554, and 8751 examinations, respectively.

Er wordt ook niet getest met alle patiënten, een groot deel van de data wordt gebruikt om het deep learning-programma te leren, en slechts een klein deel wordt als test-set gebruikt. Je mag nooit dezelfde data gebruiken voor het aanleren en het testen van je programma

[boe.i]

Er zijn ongeveer 21.000 patienten geëxcludeerd vanwege gebrek aan follow-up of een ander soort borstkanker. Dan kom je op die 39.000.

Wat ik bijzonder vind is dat ze hebben gekeken of een patiënt binnen 5 jaar na het mammogram borstkanker ontwikkelt. Het is dus ook goed mogelijk dat de kanker nog helemaal niet te zien is op het mammogram, maar deze wel als 'positief' wordt bestempeld. Ik vraag me af waarom ze deze window niet hebben verkleind naar bijvoorbeeld 2 jaar?

[Verwijderd]

2 jaar window moeten ze vaker tests uitvoeren en patiënten controleren dan 5 jaar. Best wel heftig dus als je getest ben en jaar later gaat het pas ontwikkelen, dan val je er tussen. Je zal het dan alsnog wel merken, maar waarschijnlijk in een te laat stadium.

[bbob]

Omdat men neem ik aan 1 foto per jaar maakt.
2 jaar zijn 2 foto's waarop weinig te zien is.
Meer foto's meer vergelijkingsmateriaal.

[g0tanks]

Zowel het originele als het artikel van Tweakers is hier inderdaad niet zo accuraat. Er zijn gegevens van 60k vrouwen bekeken, maar ongeveer 20k is niet gebruikt omdat het niet geschikt zou zijn:

Of the initial 60 886 patients, we included women who had either a diagnosis of breast cancer (ductal carcinoma in situ or invasive breast carcinoma) within 5 years, or imaging follow-up for at least 5 years from the date of index mammography. We note that each woman may have undergone several mammographic examinations, and we considered each mammographic examination as the index mammography independently for inclusion. We excluded 21 328 women because they lacked sufficient follow-up or had another form of cancer in their breast.

[Hayte]

Oei, klopt inderdaad. Is inmiddels aangepast Het blijken er ruim dertigduizend te zijn.
The remaining 39 558 women were randomly assigned as follows: 31 806 women, training; 3804 women, validation; and 3978 women, testing.

[Verwijderd]

Zeer goed, en mooi om te zien dat er levens gered kunnen worden met neurale netwerken, maar:

Daardoor zijn ze minder accuraat voor bijvoorbeeld zwarte vrouwen. Die doelgroep heeft in Amerika 43 procent meer kans om te overlijden door borstkanker dan blanke vrouwen

Weten we zeker dat dat ligt aan het TC model, en niet andere sociale problemen in america met betrekking op bevolkingsgroepen(zoals armoede en de gevolgen)? Als je ziet hoe kleine groep zwarte vrouwen er maar zijn die in de data sets voorkomen, kan je aannemen dat er best wat onzekerheid meekomt. Is er trouwens wel een wezenlijk verschil tussen blanke vrouwen en zwarte vrouwen, op het aantal melanine na? Allemaal vragen die niet beantwoord worden.

En hoe zit het met niet zwarte maar bijvoorbeeld latino vrouwen? Ik vind het heel kort door de bocht, alsof er maar 2 groepen zijn. Als ze dan refereren naar huidskleur en dat er effect is, dan moeten ze dat wel van alle groepen laten zien, maar daar hebben ze ook geen bronnen van. Nu wordt het(no pun intended) een heel zwart wit plaatje. Het heeft zelfs wat weg van politiek correcte verslaggeving(geen aanval op tweakers).

Zelf werkzaam in de wetenschapswereld en heb ook wat artikelen op mijn naam, en ik vond het artikel soms een beetje kort af. Iets wat mij al vaker is opgevallen in de medische wereld.

[CharlesND]

Is het ook bekend hoeveel procent vrouwen ten onrechte in die verhoogde risicogroep zijn geplaatst? Hoeveel vrouwen en gezinnen dus jaren in angst zouden rondlopen en misschien ingrijpende beslissingen voor de rest van hun leven nemen zonder dat dat nodig was?

Dat percentage missers is minstens even belangrijk om te weten als het percentage goede voorspellingen. Aangezien ik dat percentage missers nergens kan vinden neem ik aan dat het heel wat hoger ligt dan de ontwikkelaars graag bekend hadden gemaakt.

[tms5dmark2]

"Omdat het MIT-model is gebaseerd op weefselpatronen die voor het menselijk oog niet zichtbaar zijn, is de huidskleur van een vrouw niet van belang." Waar het om gaat, is toch op welke dataset dit nieuwe model getraind is. In welk opzicht strookt deze geciteerde uitspraak hiermee?

[Tha_Butcha]

Ik vond het ook al raar, het punt is dat het een beetje raar opgeschreven in de Nederlandse vertaling. Er zijn twee dingen gaande:

1) De originele heuristieken zijn gebaseerd op voornamelijk data van blanke mensen
2) De nieuwe techniek (met Deep Learning) gebruikt andere data: via AI, met betere resultaten (voor beide rassen).

En de origele tekst zegt dit: "By training on over 90,000 mammograms, the model can learn to pick up on patterns too subtle and too complex for the human eye to detect."

Dus dat is iets heel anders. De vertaling implicieert dat het waarnemen (door mensen) van een andere huidskleur slechtere detectie als gevolg heeft, wat niet zo is; het ligt aan het gebruikte model.

_{Al gebruiken ze in het origneel ook politiek geladen woorden als 'inclusive'}

Overigens kan ik nergens in de (originele) tekst vinden, waarom 43% van de zwarte vrouwen meer kans hebben om te overlijden aan borstkanker? Is dat puur door de mindere detectie (wat ze impliceren), sociaal economische omstandigenheden of genetische predispositie?

[markiemannie]

Die 43% heeft deels te maken met levensstijl en toegang tot healthcare, zie dit rapport van de American Cancer Society.

[Verwijderd]

Ik lees nu dat jij dezelfde vragen stelt dan ik ook doe. Ik had zelf al een stap richting de oorzaak(armoede) genomen. En nu lees ik dat @Tha_Butcha een link geeft die daar wel indirect mee eens lijkt te zijn.

[Hayte]

Bedankt voor deze lezing, had namelijk niet bedacht dat het zo opgevat zou kunnen worden. Wilde hier puur als extra detail vermelden dat deze patronen niet met het menselijk oog waarneembaar zijn, maar in deze context komt het inderdaad wat vreemd over. Is aangepast

[dez11de]

Als ze alleen naar naar de mamogram kijken presteert het nieuwe model al beter dan het (oude) TC model. Als ze dan ook nog huidskleur meenemen in het model dan wordt het nieuwe model nog beter.
Ik krijg wel de indruk dat de borst "density" een redelijke indicator is voor borstkanker en huidskleur weer een redelijke voorspeller is van borst density.

[Zenomyscus]

Mooi nieuws, hopelijk kan het snel toegepast worden. Kanker is naar mijn mening een van de meest vreselijke dingen wat je in je lichaam kunt overkomen. Hoe eerder je er bij bent, hoe groter de kans op volledige genezing. Die 13% die in de hoogrisicogroep geplaatst zijn zullen daar zeer waarschijnlijk enorm dankbaar voor zijn.

[007Nightfire]

Vooropgesteld, inderdaad mooi nieuws en ik hoop hetzelfde.
Echter heeft die 13% toename die u noemt hier niets aan gehad. Het is een retrospectief onderzoek. Er wordt gecontroleerd of het model het goed zou hebben gehad en daaruit blijkt dat het nieuwe model terecht 13% meer mensen in de hoogrisicogroep plaats dan het oude model. De vrouwen hebben inmiddels al kanker (gehad) en dit is opgemerkt via de oude methodes.
Voor vrouwen in de toekomst is het natuurlijk wel heel mooi dat er weer een beter model voor het voorspellen is ontwikkeld.

[PinQ]

De verwachting is natuurlijk dat de toekomstige diagnoses ook ~13% meer vrouwen in de hoogrisicogroep zal plaatsen. Het gaat om veel verschillende patienten waardoor wordt aangenomen dat het een representatieve doorsnede van de doelgroep is. Dan zal dat voor de toekomst ook moeten gelden.

[007Nightfire]

Precies. De vrouwen die aan het onderzoek hebben meegewerkt hebben daar zelf dus niet van kunnen profiteren (en zullen daar dus ook niet enorm dankbaar voor zijn). Men moet hen juist dankbaar zijn.

[H3llskrieg]

"Daardoor leerde het model de subtiele weefselpatronen te herkennen die met het menselijk ook niet waarneembaar zijn en kunnen wijzen op toekomstige kankercellen"
Volgens mij klopt deze zin niet helemaal, bedoel je niet het menselijk oog?

[HummerHealey]

Helaas is bij mij vrouw begin dit jaar borstkanker vastgesteld in beide borsten. “We” bevinden ons nu een traject in dat begin Februari startte en via de operatie in Augustus tot het eind van het jaar zal duren.

In Nederland krijgt 1 op de 7 a 8 vrouwen te maken met deze ziekte. Dat is gigantisch veel. Het gespecialiseerde Alexander Monro ziekenhuis in Bilthoven, wat we wekelijk bezoeken, is dan ook druk bezet.

Het is dan ook geweldig om te lezen dat dit soort resultaten worden geboekt. Mijn vrouw had “geluk”, het werd bij toeval ontdekt voordat het de lymfeklieren had bereikt. Haar overlevingskans is dus zeer groot, ondanks dat ze een zeer agressieve vorm heeft. Maar anders zakte de overlevingskans tot 20%.

Overigens wordt er ook getest of er sprake is van genetische aanleg. In dat geval worden de borsten altijd verwijderd. In sommige gevallen zelfs als er nog geen sprake is van (voorstadium van) kanker. In dit geval kan ik me voorstellen dat de vrouwen extra worden gecontroleerd wanneer “aanleg” wordt geconstateerd.