Vrouwen met zeer dicht borstweefsel hebben meer kans op borstkanker. Met behulp van AI (artificial intelligence) hebben onderzoekers van UMC Utrecht nu een factor gevonden die een extra aanwijzing kan zijn voor het ontwikkelen van kanker bij deze groep vrouwen: de mate waarin het normale klier- en bindweefsel oplicht door de contrastvloeistof tijdens een MRI. Deze uitkomst kan uiteindelijk helpen om het aanvullend screenen met MRI naar kanker in zeer dicht borstweefsel effectiever in te vullen.

Read article in English >

Om de twee jaar krijgen Nederlandse vrouwen tussen 50 en 75 jaar oud een oproep voor het bevolkingsonderzoek borstkanker. Zij laten een mammografie van hun borsten maken om zo borstkanker vroegtijdig te kunnen opsporen. Bij zo’n 8 procent van deze vrouwen is een mammografie niet toereikend omdat ze zogeheten dense (‘zeer dichte’) borsten hebben.  

Dat betekent dat het grootste deel van hun borsten uit melkklieren en bindweefsel bestaat en dat zij minder vetweefsel in hun borsten hebben. Daardoor kunnen tumoren minder goed worden gevonden met een mammografie. Dat is een groot probleem omdat 50-75-jarige vrouwen met zeer dicht borstweefsel een drie tot zes keer grotere kans op borstkanker hebben dan de gemiddelde vrouw veel vetweefsel in haar borsten. 

Wat is BPE?  

Naast verhoogde borstdichtheid, zijn er uiteraard nog veel meer risicofactoren die een rol spelen bij borstkanker. Denk aan overgewicht, erfelijkheid en leefstijl (bijvoorbeeld roken, alcohol). Een minder bekende risicofactor is een verhoogd BPE (background parenchymal enhancement). Wat dat inhoudt? Bij een MRI-scan wordt contrastvloeistof ingespoten, zodat de tumor duidelijker zichtbaar is ten opzichte van het gezonde weefsel. Tumoren zijn namelijk vaak beter doorbloed. Maar ook het ‘normale’ klierweefsel licht op door de vloeistof. De BPE-factor geeft aan hoe actief het klierweefsel oplicht door de contrastvloeistof.  

AI analyseert MRI-scans 

Voor de nieuwe Utrechtse studie ontwikkelde promovendus Hui Wang van het Image Sciences Institute (afdeling van de divisie Beeld en Oncologie van UMC Utrecht) een AI-computermodel. Daarmee werden de MRI-scans van 4.553 vrouwen met dichte borsten geanalyseerd, waarbij diverse extra risicofactoren werden bekeken.  

Centrale vraag van dit onderzoek: wanneer lopen vrouwen met dense borsten het meeste gevaar om borstkanker te ontwikkelen? Conclusie van Wang en haar collega’s: een verhoogd BPE kan bij hen een extra aanwijzing zijn voor het ontwikkelen van kanker.  De resultaten van de studie zijn nu gepubliceerd in het toonaangevende tijdschrift Radiology. 

Kenneth Gilhuijs, associate professor bij het Image Sciences Institute: “Dit is voor het eerst dat er een verband is gelegd tussen BPE en het ontwikkelen van kanker in vrouwen met zeer dicht borstweefsel. Er zijn meer studies naar verhoogd BPE geweest, maar niet eerder specifiek bij vrouwen met dicht borstweefsel en niet eerder geobjectiveerd door inzet van AI.”  

Dankzij het computermodel hoefde ook niet te worden gekozen voor één bepaalde interpretatie van een verhoogd BPE. “BPE is een beetje een ingewikkelde term want onderzoekers gebruiken verschillende definities voor wanneer BPE nu precies verhoogd is. Het computermodel kan alle interpretaties tegelijkertijd verwerken”, legt Gilhuijs uit. 

Omvangrijke data 

Wang en haar collega’s konden voor hun studie gebruikmaken van een indrukwekkende hoeveelheid MRI-scans. Die zijn afkomstig uit de DENSE-trial, die werd gecoördineerd door Carla van Gils, hoogleraar klinische epidemiologie van kanker bij het UMC Utrecht (Julius Centrum). Bij deze studie werden tussen 2011 en 2016 zo’n 5.000 vrouwen met zeer dicht borstweefsel gevolgd bij het bevolkingsonderzoek. Bij hen werd ook een aanvullende MRI-scan gemaakt. De uitkomsten van deze groep werden vergeleken met de resultaten van het reguliere bevolkingsonderzoek borstkanker, waarbij alleen een mammografie bij vrouwen werd gemaakt. 

Het veelbelovende eindoordeel van de DENSE-studie in 2020: bij vrouwen met zeer dichte borsten wordt inderdaad vaker en sneller kanker opgespoord als zij ook een MRI-scan krijgen. Verder bleek de inzet van MRI ook kosteneffectief.  

Nadelen MRI 

Een aanvullende MRI kan echter ook nadelen met zich meebrengen. De scan kan afwijkingen blootleggen die achteraf onschuldig blijken te zijn. Zo’n vals-positieve uitslag levert veel stress op voor vrouwen en kan leiden tot onnodige en kostbare vervolgonderzoeken en -behandelingen. Ook kunnen er capaciteitsproblemen ontstaan: tienduizenden vrouwen moeten dan jaarlijks een MRI krijgen in een ziekenhuis, en daarvoor is extra apparatuur en personeel nodig. Daarom laat het ministerie van VWS eerst nog een alternatief (contrastmammografie) onderzoeken, op advies van de Gezondheidsraad. 

Personalisering frequentie scans 

De nieuwe AI-studie kan helpen om MRI efficiënter in te zetten bij onder meer het bevolkingsonderzoek. Door AI in te zetten bij de beoordeling van MRI-scans, kan namelijk veel tijd en mankracht worden bespaard. En als bij een eerste MRI-scan blijkt dat een vrouw weliswaar dichte borsten heeft maar weinig verhoogd BPE, dan zou er bijvoorbeeld voor kunnen worden gekozen om deze vrouw minder vaak herhaalscans aan te bieden dan vrouwen met dichte borsten én een sterk verhoogd BPE. Daardoor kunnen MRI-scans gerichter worden gebruikt, waardoor eveneens minder personeel en apparatuur nodig zijn.  

Gilhuijs: “Onze studie is een eerste stap om de frequentie van aanvullende MRI-scans bij vrouwen met dense borsten verder te personaliseren. Dat kan omdat we niet alleen rekening houden met de borstdichtheid maar tegelijkertijd ook met andere risicofactoren die tijdens de eerste MRI zijn gevonden.”