Professor om SABCS 2024: Der er stort fokus på, at vi skal behandle mindre

SABCS:  Hvis der har været et underliggende tema på årets SABCS, så er det, at mange har fokus på at deeskalere behandling, når det giver god mening, siger professor Stig Egil Bojesen. Han har selv præsenteret et igangværende studie, som skal kaste lys på kvinders oplevelse af at blive risikostratificeret i forbindelse med brystkræftscreening og tilbudt hyppigere eller sjældnere mammografier.

”Det meste jeg har hørt og set på denne kongres handlede i virkeligheden om deeskalation. Man undersøger på alle leder og kanter, hvor lidt behandling man kan nøjes med. Det gælder både for de patienter, som har celleforandringer i brystet, men også for dem som har invasiv brystkræft. Det er den overordnede trend på kongressen. Det er også det, vi selv forsøger at gøre med risikomodellerne,” siger Stig Egil Bojesen, overlæge i biokemi på Herlev og Gentofte Hospital.

Stig Egil Bojesen har i samarbejde med et internationalt forskningskonsortium udviklet en risikomodel for brystkræft, der i 2020 blev CE-certificeret i Europa som et medicinsk måleinstrument. Modellen er ikke indført i praksis endnu for den almindelige befolkning, da den kliniske forskning stadig er på trapperne.

Risikomodellen udregner risikoen for at udvikle brystkræft blandt andet ud fra genomiske varianter. Effekten af at indføre modellen er ved at blive undersøgt i blandt andet to store internationale fase III-studier, som er sat til at være færdige i 2026. Selv er Stig Egil Bojesen og kollegerne i gang med at undersøge, hvordan det er at indføre risikomodellen i praksis. Mere præcist ser de på, hvordan der informeres om modellen samt hvordan patienterne oplever at blive risikostratificeret.

”Vi har ikke resultaterne endnu, men det er mit klare indtryk, at de kvinder, der deltager,  tager virkelig godt imod det. Så det er opløftende,” siger Stig Egil Bojesen.

Stratificering på kort og lang sigt

I en tid med demografiske aldersforskydninger og et stigende pres på sundhedsvæsenet skal ressourcerne udnyttes optimalt. Det skal risikomodellerne bidrage til, og samtidig skal de hjælpe med at skåne patienterne for unødige undersøgelser og behandlinger, og det er god lægepraksis, mener Stig Egil Bojesen. Der er flere studier på vej, som skal bidrage til stratificeringen og mindre behandling.

”De store studier, som nu tester vores risikomodel med hensyn til brystkræftscreening på de hårde endepunkter som mortalitet, kigger på den langsigtede risiko for at udvikle brystkræft. Der er andre modeller og tilgange til risikostratificering, som blandt andet er blevet præsenteret her på SABCS2024, der har kigget på risikostratificering på kortere sigt,” siger Stig Egil Bojesen.

Det gælder blandt andet et svensk retrospektivt studie (abstract #GS2-10), som blev fremhævet på SABCS og præsenteret på generel session torsdag eftermiddag af Mikael Eriksson, postdoc på Karolinska Instituttet i Stockholm, Sverige. Han er én af Stig Egil Bojesens samarbejdspartnere. 

I studiet har Eriksson og kollegerne undersøgt, hvorvidt en kunstig intelligens kan bidrage til at analysere scanningsbilleder og på den baggrund stratificere patienter ud fra hvem der er i høj risiko at udvikle brystkræft indenfor ti år.

Studiet omfattede 8.721 kvinder med en gennemsnitsalder på 54,4 år og 1.633 tilfælde af brystkræft diagnosticeret under en median opfølgning på 10 år. Forskerne sammenlignede modellens præcision og kalibrering med den kliniske model, Tyrer-Cuzick v8, der er en hyppigt anvendt risikomodel til at forudsige sandsynligheden for, om man har en BRCA-mutation.

Resultaterne fra studiet viste, at AI-modellen var betydeligt bedre end Tyrer-Cuzick v8.

• AI-modellen identificerede 9,7 procent af kvinder som højrisiko (≥8% 10-års risiko), hvilket inkluderede 32 procent af brystkræfttilfældene. 
• Til sammenligning identificerede Tyrer-Cuzick kun 2,2 procent af kvinder som højrisiko, hvilket omfattede 7,2 procent af tilfældene. 

Resultaterne var konsistente, selv når analyserne blev begrænset til invasive brystkræfttilfælde.

Den AI-baserede risikomodel viste en højere diskriminationsevne end Tyrer-Cuzick v8-modellen og demonstrerede potentiale til klinisk brug ved at identificere op til en tredjedel af kvinderne, som potentielt kunne få tilbudt primær forebyggelse af brystkræft.

”Det er uden tvivl et spændende studie og en spændende tilgang, der kan være med til at informere om risikoen på kort sigt. Det er en model og en tilgang, som de har arbejdet på i nogle år, og det vil være interessant at se, hvordan modellen præsterer i et prospektivt studie og i en praktisk sammenhæng,” siger Stig Egil Bojesen.

”Vi skal gøre det grundigt”

Selvom Stig Egil Bojesen er stor tilhænger af, at man forsøger at blive klogere på, hvordan man kan skåne kvinder og patienter for diagnostik og behandling blandt andet ved hjælp af kunstig intelligens, så er det vigtigste for ham, at det ikke bliver gjort forhastet.

”At give en kvinde et mærkat som enten høj eller lavrisiko og tilbyde screening herudfra er noget, vi skal tage alvorligt. Vi skal sørge for, at vi helt sikre, når vi indfører en risikomodel – med kunstig intelligens eller ej – at den er gennemprøvet på alle leder og kanter, så vi ikke ender med at påføre mere skade i vores forsøg på at gøre gavn. Det må ikke blive sådan, at den kunstige intelligens som hjælper os, for eksempel kan blive redigeret og ændret af nogen uden, at vi er klar over det. Det er noget, vi skal være sikre på, inden vi tager modellerne ind i klinikken,” siger Stig Egil Bojesen.

Han fortsætter:

”Vi skal også være omhyggelige ved implementeringen: Risiko er en ret abstrakt ting og kan hurtigt medføre forvirring og usikkerhed. På den anden side har vi ikke personaleressourcer til en grundig forklaring, så en løsning kan være at anvende en gennemtestet web-baseret strategi (prsonal.dk, red.), der ser ud til at virke.”

På den generelle session fredag den 13. december på SABCS blev der præsenteret et studie, der ved hjælp af kunstig intelligens, der kunne kategorisere med forholdsvis stor præcision, hvilke patienter, der ville have bedst gavn af CDK4/6-hæmmer. Læs mere her.