Австралийские исследователи из Института глобального здравоохранения Джорджа разработали модель глубокого обучения, способную анализировать маммограммы для прогнозирования риска сердечно-сосудистых событий у женщин.
В своём исследовании, опубликованном в журнале Heart они проанализировали данные 49 196 женщин в возрасте от 35 до 94 лет (средний возраст ~60 лет) с медианой наблюдения 8,8 лет. За время наблюдения у 3 392 женщин было зарегистрировано первое крупное сердечно-сосудистое событие (атеросклероз, сердечная недостаточность, инфаркт или инсульт).
В отличие от предыдущих подходов, фокусировавшихся лишь на отдельных признаках, таких как кальцификация грудных артерий (которая имеет ограниченную прогностическую точность, особенно у пожилых женщин), новая модель анализирует всю архитектуру и характеристики тканей молочной железы. Алгоритм был обучен на рутинных маммографических изображениях с учетом возраста пациенток для прогнозирования 10-летнего риска.
Ключевым выводом исследования является то, что модель продемонстрировала прогностическую точность, сопоставимую с традиционными инструментами оценки риска (например, шкалами, требующими данных об артериальном давлении, холестерине и анамнезе), но без необходимости сбора дополнительных клинических данных. Это указывает на то, что маммограммы содержат скрытые, клинически релевантные биомаркеры системного сердечно-сосудистого здоровья.
Таким образом, интеграция оценки сердечно-сосудистых рисков в рутинный скрининг рака молочной железы представляет собой эффективную стратегию профилактики двух ведущих причин смертности среди женщин. Для внедрения метода в клиническую практику необходимы дальнейшие исследования для валидации алгоритма на более разнообразных популяциях и в условиях различных систем здравоохранения.