预测模型可以减少MRI乳腺癌筛查中的假阳性

　　根据一项新的研究，基于临床特征和影像学发现的预测模型可能有助于降低接受MRI辅助乳腺癌筛查的致密乳房女性的假阳性率。

　　

与平均乳腺密度的女性相比，乳腺密度高的女性患乳腺癌的风险要高得多。由于纤维腺体组织的掩蔽作用，高乳腺密度也显著降低了乳房x线照相术的敏感性，这意味着癌症可能隐藏在致密的乳腺组织中。

由于这些原因，乳房核磁共振成像被认为是一种潜在的有用的补充，乳房x线照相术筛查高密度乳腺组织的女性。它是诊断乳腺癌最敏感的影像学技术，可以很好地区分病变和异常乳房。研究已经证实，作为乳腺癌高危女性的筛查工具，它具有实质性的附加价值。

然而，高灵敏度使MRI成为一种优秀的筛查工具，这也意味着它经常能发现良性病变，否则可能会被忽视。根据这些发现，被召回进行额外检查的女性可能会面临重复的核磁共振扫描、靶向超声和活检。需要进行额外的检查可能会引起患者的焦虑，增加医疗保健费用或导致活检相关并发症。

荷兰乌得勒支大学医学中心的Bianca M. den Dekker博士是这项研究的主要作者，他说:“当考虑使用乳腺MRI作为筛查工具时，假阳性回忆率的降低是一个重要问题。”

在这项新研究中，den Dekker博士和他的同事们开发了预测模型来区分真阳性和假阳性的MRI筛查。为了创建模型，他们结合MRI的发现和临床特征，如体重指数、乳腺癌家族史和激素替代疗法的使用。

他们使用了来自致密组织和早期乳腺肿瘤筛查(Dense Tissue and Early Breast Neoplasm Screening，简称Dense)试验的数据，该试验评估了乳房x线照相术加MRI的筛查效果，并将其与仅使用乳房x线照相术的效果进行了比较。研究对象为年龄在50岁至75岁、乳房密度极高的荷兰乳腺癌筛查参与者。

在第一轮补充MRI检查中，454名MRI结果呈阳性的女性中，79名被诊断为乳腺癌，这意味着375名女性的MRI检查呈假阳性。基于所有收集到的临床特征和MRI发现的完整预测模型，可以避免45.5%的假阳性召回和21.3%的良性活检，而不会遗漏任何癌症。该模型仅基于现成的MRI检查结果和年龄，具有相当的性能，可以防止35.5%的假阳性MRI筛查和13.0%的良性活检。

den Dekker博士说:“在第一轮补充MRI筛查后，我们的预测模型可以识别大量的假阳性，减少假阳性回忆和良性活检，而不遗漏任何癌症。”“这使得对乳房致密的女性进行补充核磁共振检查更近一步。”

研究人员打算使用来自不同人群的数据进行验证研究。他们还想研究预测模型在后续筛选阶段的表现。den Dekker博士指出，研究小组的假阳性率从第一轮的79.8‰下降到第二轮的26.3‰。

她说:“这在一定程度上可以解释为先前MRI检查的可用性，它允许比较间隔变化。”“由于事故筛查轮的假阳性率要低得多，可能需要建立单独的模型。”

Journal References:

1. Bianca M. den Dekker, Marije F. Bakker, Stéphanie V. de Lange, Wouter B. Veldhuis, Paul J. van Diest, Katya M. Duvivier, Marc B. I. Lobbes, Claudette E. Loo, Ritse M. Mann, Evelyn M. Monninkhof, Jeroen Veltman, Ruud M. Pijnappel, Carla H. van Gils, C. H. van Gils, M. F. Bakker, S. V. de Lange, S. G. A. Veenhuizen, W. B. Veldhuis, R. M. Pijnappel, M. J. Emaus, P. H. M. Peeters, E. M. Monninkhof, M. A. Fernandez-Gallardo, W. P. T. M. Mali, M. A. A. J. van den Bosch, P. J. van Diest, R. M. Mann, R. Mus, M. W. Imhof-Tas, N. Karssemeijer, C. E. Loo, P. K. de Koekkoek-Doll, H. A. O. Winter-Warnars, R. H. C. Bisschops, M. C. J. M. Kock, R. K. Storm, P. H. M. van der Valk, M. B. I. Lobbes, S. Gommers, M. D. F. de Jong, M. J. C. M. Rutten, K. M. Duvivier, P. de Graaf, J. Veltman, R. L. J. H. Bourez, H. J. de Koning. Reducing False-Positive Screening MRI Rate in Women with Extremely                     Dense Breasts Using Prediction Models Based on Data from the DENSE                     Trial. Radiology, 2021; 210325 DOI: 10.1148/radiol.2021210325

2. Massimo Imbriaco. Reducing False-Positive Screening MRI Rates in Women with Extremely                     Dense Breasts. Radiology, 2021; 211547 DOI: 10.1148/radiol.2021211547