Исследователи из Тринити-колледжа в Дублине, больницы Святого Джеймса и сотрудничающих учреждений провели наиболее полный на сегодняшний день обзор инструментов, используемых для оценки риска рака молочной железы у женщин с семейным анамнезом этого заболевания.
Результаты, представленные на ежегодном собрании Американского общества клинической онкологии (ASCO), показывают, что, хотя некоторые широко используемые модели оценки риска показывают достаточно хорошие результаты, ни одна из них не является высокоточной в определении того, у каких женщин в будущем разовьется рак молочной железы.
Женщинам с семейным анамнезом рака молочной железы часто предлагается оценка их собственного риска развития заболевания. В рамках этой оценки врачи используют статистические модели, которые прогнозируют вероятность развития рака молочной железы у женщины в будущем. Это важно, поскольку помогает принимать решения о скрининге и профилактике. Эти решения могут включать в себя определение момента начала маммографии или МРТ, назначение лекарств, снижающих риск, или, в некоторых случаях, рассмотрение вопроса о профилактической операции по удалению молочных желез.
До сих пор не было ясности относительно того, какие модели лучше всего подходят для этой группы.
В Кокрейновском обзоре авторы проанализировали 45 исследований, посвящённых моделям оценки риска рака молочной железы у женщин с семейным анамнезом этого заболевания. Исследователи оценили точность прогнозирования этими моделями будущего риска развития рака молочной железы. Четыре модели были изучены достаточно часто, чтобы позволить провести детальный анализ: модель Гейла (BCRAT), модель Тайрера-Кузика (IBIS), модель BOADICEA и модель BRCAPRO.
Некоторые модели превосходят другие, но есть возможности для их улучшения
При рассмотрении будущего риска развития рака молочной железы обзор показал, что модель BOADICEA продемонстрировала наиболее сбалансированную общую эффективность у женщин с семейным анамнезом рака молочной железы. Модели Гейла и BOADICEA давали оценки риска, которые в целом были близки к числу случаев рака молочной железы, фактически зарегистрированных в исследованиях. Однако модель Тайрера-Кузика имела тенденцию к переоценке риска, в то время как модель BRCAPRO имела тенденцию к его недооценке.
Когда исследователи изучили, насколько хорошо модели могут различать женщин, у которых развился рак молочной железы, и женщин, у которых его не было (технически это называется дискриминационной точностью), все модели показали лишь скромную предсказательную эффективность, но ни одна из них не приблизилась к точности, необходимой для полной персонализации лечения.
Ведущий автор, доктор Сара МакГарригл, объяснила, что результаты подчеркивают как ценность, так и ограничения этих моделей в прогнозировании риска.
«Эти инструменты уже широко используются в клинической практике, и теперь у нас есть более чёткое представление об их точности у женщин с семейным анамнезом рака молочной железы», — сказала она. «Наши результаты показывают, что эти инструменты имеют ценность для поддержки оценки риска, и это обнадеживает, но нам еще предстоит долгий путь».
По словам авторов, результаты подтверждают необходимость дальнейших усилий по улучшению персонализированной оценки риска рака молочной железы, особенно для женщин с выраженным семейным анамнезом заболевания.
«Для женщин с повышенным риском на основании семейного анамнеза рака молочной железы, понимание их личного риска может повлиять на принятие некоторых из самых важных решений в их жизни, например, на необходимость более частого обследования и на целесообразность профилактического лечения», — объясняет профессор Элизабет Коннолли, старший автор исследования. «Крайне важно, чтобы инструменты, которые мы используем для проведения этих бесед, были максимально точными. Мы еще не достигли этого уровня, но движемся вперед, и этот обзор помогает указать путь в будущее».
Многие исследования, оценивающие эти модели, имели низкое или неясное качество, что ограничивало уверенность в некоторых результатах.
«Необходимы более качественные исследования и постоянное совершенствование этих моделей, чтобы женщины и врачи могли принимать решения на основе максимально точной информации», — добавила МакГарригл.