新模型预测10年乳腺癌风险

由纳菲尔德初级保健健康科学系领导的牛津大学研究小组开发了一种新模型，可以可靠地预测女性在十年内患乳腺癌并随后死亡的可能性。

今天发表在《柳叶刀数字健康》杂志上的这项研究分析了2000年至2020年间1160万名20-90岁女性的匿名数据。所有这些女性都没有乳腺癌病史，也没有被称为“导管原位癌”的癌前病变史。”或DCIS。

乳腺癌筛查至关重要，但也面临挑战。虽然它可以减少乳腺癌死亡率，但有时会检测到无害的肿瘤(“过度诊断”)，从而导致不必要的治疗。这不仅伤害了一些女性，也给NHS带来了不必要的成本。未来20年，每10,000名50岁英国女性被邀请接受乳腺筛查，筛查可预防43名乳腺癌死亡，但有129名女性将被“过度诊断”。

“基于风险的筛查”旨在根据个人的风险进行个性化筛查，以最大限度地提高筛查的好处并最大限度地减少其缺点。克里斯·惠蒂教授最近强调，根据个人风险定制筛查计划是进一步改进筛查策略的途径。

目前，在基于风险的乳房筛查中，大多数风险模型都是通过估计女性诊断出乳腺癌的风险来工作的。然而，并非所有乳腺癌都是致命的，而且我们知道，被诊断出的风险并不总是与确诊后死于乳腺癌的风险一致。

该团队开发的新模型致力于预测女性10年内患乳腺癌和随后死亡的综合风险。识别罹患致命癌症风险最高的女性可以改善筛查。可以邀请这些女性更早开始筛查、更频繁地进行筛查，或者接受不同类型的成像筛查。

这种个性化的方法可以进一步降低乳腺癌死亡率，同时避免对低风险女性进行不必要的筛查。罹患致命癌症风险较高的女性也可以考虑接受旨在预防乳腺癌发展的治疗。

牛津大学纳菲尔德初级保健健康科学系的全科医学和流行病学教授、资深作者JuliaHippisley-Cox教授表示：“这是一项重要的新研究，有可能提供一种新的筛查方法。基于此的策略可以更好地平衡乳腺癌筛查的益处和危害，为女性提供更多个性化信息，帮助改善决策。”

“基于风险的方法还可以通过针对最有可能受益的人群进行干预，帮助更有效地利用卫生服务资源。我们感谢成千上万的全科医生向QResearch数据库提供匿名数据，没有他们，这项研究就不可能进行。”。

研究人员测试了四种不同的建模技术来预测乳腺癌死亡风险。两个是更传统的基于统计的模型，两个使用机器学习(人工智能的一种形式)。所有模型都包含相同类型的数据，例如女性的年龄、体重、吸烟史、乳腺癌家族史以及激素治疗(HRT)的使用情况。

评估了这些模型准确预测总体风险的能力，以及不同女性群体(例如来自不同种族背景和年龄组的女性)的风险。使用了一种称为“内部-外部交叉验证”的技术。这涉及到将数据集分成结构上不同的部分(在本例中，按区域和时间段)，以了解模型在不同设置中的传输效果如何。

结果表明，使用“竞争风险回归”开发的一种统计模型总体表现最佳。它最准确地预测了哪些女性将在10年内患上乳腺癌并死于乳腺癌。机器学习模型不太准确，尤其是对于不同种族的女性而言。

牛津大学纳菲尔德初级保健健康科学系的第一作者兼临床研究员AshleyKieranClift博士说：“我们能够探索不同的方法来开发一种可能有助于基于风险的新工具公共卫生战略。”

“如果进一步的研究证实这种新模型的准确性，它可以用来识别患有致命乳腺癌的高风险女性，这些女性可能会受益于改进的筛查和预防性治疗。”

牛津大学纳菲尔德初级保健健康科学系的合著者兼健康经济学负责人StavrosPetrou教授说：“这篇论文采用了一种新方法，并提出了一个问题：‘我们能否预测哪些女性患上这种疾病的风险最高?癌症会杀死他们吗?我们可以利用这些信息来更好地进行针对性筛查，甚至为那些受益最大的人制定预防策略。”

“对竞争风险模型的进一步评估应包括在不同环境下评估模型，例如来自英国或国外的另一个数据集。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！