Hart- en vaatziekten blijven de belangrijkste doodsoorzaak bij vrouwen. Een studie voorgesteld op het congres van de European Society of Cardiology (ESC) onderzoekt of borstkankerscreening ook kan helpen om deze aandoeningen op te sporen. Bij bijna 30.000 vrouwen kon een AI-algoritme onderscheid maken tussen vrouwen met en zonder gedocumenteerde hypertensie, ischemische hartziekte of een cerebrovasculair accident (CVA).
Kan mammografie bijdragen aan cardiovasculaire screening zonder extra beeldvormend onderzoek? Een team van het Chaim Sheba Medical Center in Israël onderzocht die mogelijkheid. Mammografiebeelden kunnen naast oncologische afwijkingen ook bruikbare vasculaire en cardiometabole informatie bevatten. Het doel is om cardiovasculaire screening te integreren in een bestaand screeningstraject.
De retrospectieve monocentrische studie werd op 30 augustus in München voorgesteld door dr. Viana Copeland. Ze omvatte 29.921 vrouwen die tussen 2011 en 2025 minstens één mammografie ondergingen in een tertiair verwijzingscentrum. In totaal werden 97.364 onderzoeken geanalyseerd. De mediane leeftijd bedroeg 54 jaar en de mediane follow-up 7,3 jaar. Bij 5.485 patiënten was borstkanker vastgesteld, ongeveer 18% van het cohort.
De cardiovasculaire aandoeningen werden vastgesteld op basis van gestructureerde diagnoses uit elektronische patiëntendossiers, aangevuld met medicatievoorschriften, onderzoeksresultaten en metingen tijdens ziekenhuisopnames. Hypertensie kwam voor bij 4.787 vrouwen (16%), ischemische hartziekte bij 748 (2,5%) en CVA bij 755 (2,5%).
Betere prestaties met schuine opnamen
De onderzoekers ontwikkelden een convolutioneel neuraal netwerk om deze aandoeningen rechtstreeks op mammografiebeelden te herkennen. De oppervlakten onder de ROC-curve (AUC) bedroegen 0,79 voor hypertensie, 0,78 voor ischemische hartziekte en 0,86 voor CVA.
Sensitiviteitsanalyses volgens leeftijd, de aan- of afwezigheid van borstkanker en mammografische projectie leverden consistente resultaten op. Het model presteerde beter met mediolaterale schuine opnamen (MLO), met AUC-waarden van 0,80 voor hypertensie en ischemische hartziekte en 0,88 voor CVA. Deze waarden meten het onderscheidend vermogen van het model en zijn geen percentages correcte diagnoses.
Volgens de auteurs kan deze aanpak helpen om bij mammografie vrouwen te identificeren die baat kunnen hebben bij een cardiovasculaire evaluatie. Dr. Copeland wijst erop dat borstkankerscreening ook vrouwen bereikt die niet noodzakelijk voor cardiovasculaire symptomen een arts hebben geraadpleegd.
Klinische toepassing nog te evalueren
Het model werd ontwikkeld om bestaande cardiovasculaire aandoeningen te herkennen. De resultaten tonen dus niet aan dat het een toekomstig myocardinfarct of CVA voorspelt, noch dat het gebruik ervan de klinische uitkomsten verbetert. Het abstract beschrijft niet hoe de gegevens over de trainings- en testsets werden verdeeld en vermeldt geen externe validatie.
Het team werkt aan betere modelprestaties en aan het terugdringen van foutpositieve en foutnegatieve resultaten. De onderzoekers willen ook andere cardiovasculaire aandoeningen onderzoeken. De betrouwbaarheid van deze aanpak moet nog worden vastgesteld voordat klinische toepassing mogelijk is.
Het onderzoek werd ondersteund door het AI Research Center van Sheba Tel Hashomer, ARC, het centrum voor digitale innovatie in Israël, en een subsidie van de Meirim Prize voor opkomende medische innovatie. Dr. Copeland is een van de uitvinders die worden vermeld in lopende octrooiaanvragen voor cardiovasculaire AI en technologie voor de duurzaamheid van hartkleppen.
