Perte de poids et son impact sur la densité mammaire
Examiner les effets des changements de poids sur les indicateurs de risque de cancer du sein.
― 7 min lire
Table des matières
- Méthodes de Mesure de la Densité Mammographique
- L'Impact du Poids sur la Densité Mammographique
- Objectif de l'Étude
- Participants de l'Étude et Collecte de Données
- Modèles pVAS et Volpara
- Données des Participants pour l'Analyse
- Résultats
- Changements de Poids et de Densité des Participants
- Visualisation des Données
- Conclusion
- Source originale
Être en surpoids ou obèse peut augmenter le risque de cancer du sein. C'est vrai pour la population générale et pour les femmes ayant des antécédents familiaux de cancer du sein. Du coup, les programmes de perte de Poids pourraient aider à diminuer le risque de développer ce cancer. Idéalement, perdre du poids engendrerait des changements positifs dans certaines mesures qui indiquent le risque de cancer du sein.
Une mesure importante est la densité mammographique (DM), qui se réfère à la quantité de tissu dense par rapport au tissu graisseux dans le sein. Les femmes avec une densité mammographique élevée ont un risque de cancer du sein beaucoup plus important. Il existe différentes techniques pour mesurer la densité mammographique, et chaque méthode peut donner des résultats différents.
Méthodes de Mesure de la Densité Mammographique
Mesurer la densité mammographique n'est pas toujours simple. Les méthodes peuvent inclure :
- Évaluation Visuelle : Cette méthode utilise un système appelé BI-RADS pour classer visuellement la Densité mammaire.
- Densité en Pourcentages sur Échelles : Ici, des experts utilisent des échelles pour estimer le pourcentage de tissu dense.
- Estimations Automatisées : Certaines méthodes utilisent des ordinateurs pour mesurer les quantités de tissu graisseux et dense.
- Approches Basées sur l'IA : Des méthodes plus avancées utilisent l'intelligence artificielle pour analyser la quantité et le motif de tissu dense.
La façon dont le poids affecte la densité mammographique peut varier selon la méthode utilisée pour la mesure.
L'Impact du Poids sur la Densité Mammographique
Des recherches ont montré qu'en diminuant le poids, la densité mammographique peut aussi diminuer. C'est principalement à cause d'une réduction du volume de tissu graisseux, qui a un impact plus important que tout changement dans le tissu dense. Des études suggèrent qu'une densité mammaire élevée correspond à un risque accru de cancer, tandis que perdre du poids peut mener à un risque plus faible.
Cependant, mesurer l'indice de masse corporelle (IMC) peut compliquer la relation entre poids et densité mammographique. Différentes mesures donnent des aperçus différents sur les niveaux de risque lorsqu'elles sont ajustées pour des facteurs comme l'IMC et l'âge.
Objectif de l'Étude
Cette étude examine comment les changements de poids peuvent affecter la densité mammographique, en se concentrant sur un modèle de prédiction spécifique appelé PVAS. Ce modèle utilise une technologie avancée pour prédire le score de densité moyen basé sur les évaluations d'experts des images mammographiques. Des travaux antérieurs ont montré un lien fort entre la densité mammaire et le risque de cancer du sein.
Pour voir comment le pVAS change avec le poids, nous le comparons aussi avec une autre méthode appelée Volpara®, qui utilise la physique pour mesurer les volumes de tissu plus directement.
Participants de l'Étude et Collecte de Données
Les données de cette étude proviennent d'un récent essai de perte de poids impliquant 210 femmes en surpoids et obèses. Ces femmes ont été recrutées dans trois cliniques au Royaume-Uni. Pour faire partie de l'étude, les femmes devaient avoir des dossiers de poids et des images mammographiques brutes prises au début et après 12 mois.
Certaines femmes ont été exclues si elles avaient des changements dans des facteurs hormonaux qui pourraient affecter la densité mammographique, comme le début ou l'arrêt d'une thérapie hormonale.
Le poids a été mesuré aux deux moments à l'aide de balances calibrées, assurant une précision.
Modèles pVAS et Volpara
Le modèle pVAS a été entraîné en utilisant les évaluations de lecteurs experts qui ont noté les mammographies sur des échelles analogiques visuelles. Cette approche de notation nécessite des lecteurs qualifiés pour marquer un pourcentage de densité. Le score moyen de deux lecteurs indépendants devient le score final.
Le logiciel pVAS utilise l'intelligence artificielle pour analyser les mammographies. Il prédit des scores moyens et fournit des informations similaires à celles obtenues par des évaluations d'experts. Les trois étapes clés incluent la génération d'un score pour chaque vue mammographique et la moyenne de ces scores pour obtenir une vue d'ensemble.
D'un autre côté, les mesures Volpara sont basées sur la physique de la mammographie. Elle calcule les volumes de tissu fibroglandulaire et graisseux, offrant un score de densité basé sur les rapports de tissu.
Données des Participants pour l'Analyse
Parmi les participants de l'étude de perte de poids, on a trouvé que 109 femmes avaient à la fois des images de poids et mammographiques disponibles. Certaines ont été exclues, nous laissant finalement 46 ensembles d'images utilisant à la fois des mesures pVAS et Volpara.
Dans l'analyse, nous avons d'abord examiné la corrélation entre les changements de poids et la densité mammographique.
Résultats
Nous avons mesuré les relations entre les scores de densité mammographique et le changement de poids. Pour le modèle pVAS, la réduction de poids ne montrait pas de corrélation significative avec le changement de densité mammographique. Cependant, une faible corrélation positive a été observée, ce qui indique qu'à mesure que le poids diminue, les scores pVAS peuvent légèrement augmenter.
Pour les données Volpara, une forte corrélation négative a été trouvée avec le volume de tissu graisseux, ce qui signifie que la réduction de poids était liée à une diminution du volume de tissu graisseux. De plus, une corrélation positive a été observée entre la réduction de poids et la densité mammaire volumétrique, indiquant qu'à mesure que le poids diminue, la densité mammaire volumétrique augmente.
Changements de Poids et de Densité des Participants
En regardant les participants qui ont perdu ou pris du poids, nous avons analysé comment leur densité mammographique a changé. Parmi ceux avec les deux mesures, la plupart de ceux qui ont perdu du poids avaient des résultats variés en densité mammographique : certains avaient une densité plus élevée tandis que d'autres avaient une densité plus faible.
Visualisation des Données
Des graphiques ont montré comment les scores pVAS et le poids ont changé pendant la période de l'étude pour les femmes pré et post-ménopausées. Le poids moyen au début de l'étude était d'environ 86 kg, tombant à environ 82 kg après 12 mois. Les scores pVAS ont montré de petites variations, indiquant aucun changement significatif dans l'ensemble.
De la même manière, nous avons examiné les mesures Volpara du volume de tissu graisseux, du volume de tissu dense et de la densité volumétrique totale par rapport aux changements de poids.
Conclusion
Les résultats de cette étude indiquent un manque de relation cohérente entre le changement de poids et les changements de densité mammographique, particulièrement en utilisant l'approche pVAS. En revanche, la méthode Volpara a confirmé les résultats précédents où une réduction de poids correspondait à une diminution du volume de tissu graisseux, ce qui entraînait une augmentation de la densité mammaire volumétrique.
Le modèle pVAS, qui repose sur des évaluations subjectives d'experts, ne semble pas être beaucoup affecté par les changements de poids. Cela indique qu'il pourrait ne pas nécessiter d'ajustements basés sur l'IMC, ce qui pourrait être une considération importante pour de futures études.
Une force de cette étude est qu'elle a étroitement surveillé le poids et la densité mammographique en même temps. Cependant, le petit nombre de participants limite les conclusions que nous pouvons tirer, notamment concernant la relation entre le volume de tissu dense et le changement de poids.
Globalement, tandis que la méthode pVAS ne montre aucune corrélation significative avec le changement de poids, Volpara démontre une relation claire avec les réductions de poids, en faisant une mesure utile pour comprendre le risque de cancer du sein par rapport au poids corporel.
Titre: Mammographic density assessed using deep learning in women at high risk of developing breast cancer: the effect of weight change on density
Résumé: ObjectivesHigh mammographic density (MD) and excess weight are associated with increased risk of breast cancer. Weight loss interventions could reduce risk, but classically defined percentage density measures may not reflect this due to disproportionate loss of breast fat. We investigate an artificial intelligence-based density method, reporting density changes in 46 women enrolled in a weight-loss study in a family history breast cancer clinic, using a volumetric density method as a comparison. MethodsWe analysed data from women who had weight recorded and mammograms taken at the start and end of the 12-month weight intervention study. MD was assessed at both time points using a deep learning model, pVAS, trained on expert estimates of percent density, and Volpara density software. ResultsThe Spearman rank correlation between reduction in weight and change in density was 0.17 (-0.13 to 0.43) for pVAS and 0.59 (0.36 to 0.75) for Volpara volumetric percent density. ConclusionspVAS percent density measurements were not significantly affected by change in weight. Percent density measured with Volpara increased as weight decreased, driven by changes in fat volume. Advances in knowledgeThe effect of weight change on pVAS mammographic density predictions has not previously been published.
Auteurs: Steven Squires, M. Harvie, A. Howell, D. G. Evans, S. M. Astley
Dernière mise à jour: 2024-06-23 00:00:00
Langue: English
Source URL: https://www.medrxiv.org/content/10.1101/2024.06.22.24309234
Source PDF: https://www.medrxiv.org/content/10.1101/2024.06.22.24309234.full.pdf
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.