Mnoge sredovečne i starije žene dobijaju mamografe svake jedne do dve godine radi skrininga na rak dojke, kako preporučuju njihovi lekari. Studija istraživača sa Medicinskog fakulteta Univerziteta Vašington u Sent Luisu ukazuje da prethodni mamografi sadrže nedovoljno korišćene podatke koji bi mogli da pomognu u identifikaciji žena sa visokim rizikom od raka dojke, pa čak i da otkriju koja će dojka verovatno biti pogođena.
Kada lekari čitaju mamografe, oni procenjuju gustinu dojki zajedno sa znacima raka, upoređujući prethodne mamografije žene sa njenim poslednjim kako bi potražili zabrinjavajuće promene. Ali neke promene je teško uočiti okom.
U studiji, istraživači su koristili matematički model za praćenje promena u gustini grudi tokom decenije kod skoro 1.000 žena i otkrili da se stopa promene značajno razlikovala između skoro 300 žena kojima je kasnije dijagnostikovan rak i onih kojima nije. Nalazi, dostupni na mreži u JAMA Oncology, mogli bi pomoći u preciziranju trenutnih algoritama rizika i pomoći naporima da se identifikuju žene koje bi mogle imati koristi od dodatnog skrininga.
„Naše najbolje sredstvo protiv raka dojke je rano otkrivanje“, rekao je stariji autor Graham A. Colditz, MD, DrPH, pomoćnik direktora Siteman Cancer Centra u Barnes-Jevish Hospital i Medicinskom fakultetu Univerziteta u Vašingtonu. „Dodavanjem promene gustine preko ponovljenih slika modelima za klasifikaciju rizika u svakoj dojci, postavljamo scenu za bolju procenu rizika sa svakim ažuriranim mamografom. Tada možemo bolje klasifikovati budući rizik i uputiti žene na odgovarajuće strategije prevencije, kao što su poboljšane skrining kao deo rutinskih zdravstvenih usluga dojki.“
Lekari procenjuju rizik od raka dojke kod žena koristeći faktore uključujući starost, porodičnu istoriju, prisustvo visokorizičnih genetskih varijanti i gustinu grudi. Žene za koje se smatra da su pod visokim rizikom se upućuju na dodatni skrining, što obično znači godišnje skeniranje magnetnom rezonancom (MRI) pored godišnjih mamografija.
Niko zapravo ne zna zašto žene sa gustim grudima imaju veću verovatnoću da obole od raka dojke. Prvi autor dr Šu Đijang — vanredni profesor hirurgije na Odeljenju za nauke o javnom zdravlju u okviru Odeljenja za hirurgiju i član istraživanja u Siteman-u — video je u ponovljenim mamografima neiskorišćen izvor podataka o gustini grudi i kako se ona promene tokom vremena u pojedinačnim dojkama koje bi mogle da rasvetle odnos između gustine i bolesti.
Analizirala je podatke o ženama u kohorti za zdravlje grudi Joanne Knight u Siteman Cancer Center. Kohortu su osnovali Colditz, profesor hirurgije Niess-Gain i direktor Odeljenja za nauke o javnom zdravlju, i kolege 2008. godine da bi proučavali faktore rizika i poboljšali modele za predviđanje rizika od raka dojke. Sastoji se od raznolike grupe od više od 10.000 žena koje su bile bez raka kada su se pridružile.
Jiang je identifikovao 289 žena u kohorti koje su imale rak i uporedio ih sa 658 sličnih žena u kohorti koje nisu. Svaka žena je dobijala redovne mamografije, tako da je Jiang mogao da prikupi i analizira ukupno 8.710 slika jedne dojke, što predstavlja u proseku četiri vremenske tačke tokom perioda od 10 godina za svaku ženu.
Pošto se rak dojke retko razvija u obe dojke u isto vreme, Jiang je analizirao slike svake dojke posebno. Ženske grudi obično postaju manje guste kako stare, ali je Jiang otkrio da gustina opada znatno sporije kod dojki koje su kasnije razvile rak nego kod onih koje nisu.
„U budućnosti, mislim da možemo koristiti prošlu istoriju gustine žene, plus njenu trenutnu procenu gustine, da bolje razumemo njen nivo rizika“, rekao je Jiang. „Možda ćemo čak moći da utvrdimo koja će dojka biti zahvaćena, jer je signal gustine najjači u dojci koja dalje razvija rak. Mnoge žene već redovno idu na mamografiju, tako da se podaci o gustini svake dojke već prikupljaju. To je slučaj sa dojkom“, rekao je on. Samo treba da efikasnije koristimo podatke.“
Colditz, Jiang i kolege sada rade na prevođenju nalaza u oblik koji se može koristiti za poboljšanje nege pacijenata. Oni razvijaju modele predviđanja koji uključuju promenu gustine dojki tokom vremena i planiraju da validiraju modele u nezavisnim skupovima podataka kako bi se mogli koristiti u kliničkoj nezi.
