マンモグラムに基づく新しい機械学習アルゴリズムによって、現在のリスクモデルよりも正確に女性の乳癌リスクを推定できることが、Adam Yalaらの研究で示された。世界の3ヵ所の大規模病院のデータベースを用いて試験したこのアルゴリズムは、早期発見のニーズに応えながら、偽陽性や試験費用、および過剰なスクリーニングに伴う他の問題を減らす、乳癌スクリーニング用のガイドラインをデザインする医師に役立つと考えられる。マンモグラムはもっとも一般的な乳癌スクリーニング法であり、米国では年間3900万回以上行われている。しかし、幅広い採用については論争がないわけではない。批評家は積極的なスクリーニングの結果、擁護できないほどの医療費、患者の大きな不安、高い偽陽性率が生じていることを非難している。一方、頻繁な検査の支持者は、腫瘍はできるだけ早く発見する必要があると主張している。意見の相違があるため、スクリーニングをいつ開始すべきか、どの程度の頻度で行うべきかに関して一貫したガイドラインがない。Yalaらは、ガイドラインのための情報を提供するリスクモデルの精度を改善すれば、よりよい勧告を行えると理論づけた。YalaらはMiraiと名付けた新しいモデルをデザインし教育した。Miraiは、マンモグラムのデータを統合し、1年や5年以内などの複数の時点で一貫した乳癌リスク評価を行う。米国、スウェーデン、中国の3つの病院の患者106,615名のデータを独立して試験したところ、Miraiによって5年以内に癌を発症する患者の41.5%を識別できた。対照的に、Tyrer-CuzickやHybrid Deep Learningモデルなどの現在のアプローチでは、それぞれ、患者の22.9%および36.1%しか識別できなかった。Miraiはさまざまな人種と民族でも有効であり、大規模なさまざまな集団のスクリーニングガイドラインのために情報を提供できることが裏付けられた。
###
Journal
Science Translational Medicine