Un equipo investigador del Instituto Hospital del Mar de Investigaciones Médicas (IMIM) ha desarrollado y validado un modelo matemático que predice el riesgo de padecer cáncer de mama a 20 años vista.
Para ello, han utilizado datos de 122.000 mujeres que participaron en programas de cribado entre 1995 y 2015 en el Hospital del Mar y el Hospital de Sant Pau. De éstas, unas 2000 fueron diagnosticadas de cáncer de mama durante el período de estudio.
El modelo determina el riesgo en base a cuatro parámetros:
- Edad
- Antecedentes de cáncer mama
- Antecedentes de lesiones benignas
- Antecedentes de patrón mamográfico sospechoso
Actualmente, las mamografías se hacen por defecto cada 2 años a mujeres entre 50 y 69 años. “El objetivo de este estudio – y ya se está empezando a trabajar en algunos ensayos clínicos – es personalizar esto un poco más”, explica Javier Louro, estudiante de doctorado en el IMIM, en el Grupo de investigación en Epidemiología y Evaluación, y primer autor del artículo. “Quizás no es lo más efectivo hacer mamografías cada dos años a todas las mujeres, sino que, en función de su riesgo, para algunas deberían ser cada año y para otras cada tres años; o para las que tienen más riesgo, podrían hacerse una ecografía o resonancia, en lugar de mamografía”.
«Actualmente, las mamografías se hacen por defecto cada 2 años a mujeres entre 50 y 69 años. Este modelo podría ayudar a aumentar o disminuir este intervalo, según el riesgo personal de cada mujer»
Javier Louro (IMIM)
Este modelo tiene el potencial de tener un impacto real en la calidad de todas las mujeres de entre 50 y 70 años, ya que a las mujeres con menos riesgo, se les cribaría menos a menudo, lo que conlleva menor riesgo de falsos positivos, mientras que las de mayor riesgo se les cribaría más a menudo, con lo que se detectaría más precozmente el potencial cáncer.
Podéis escuchar a Javier Louro explicando este estudio en Onda Cero aquí.
Developing and validating an individualized breast cancer risk prediction model for women attending breast cancer screening. Louro J, Román M, Posso M, Vázquez I, Saladié F, et al. (2021). PLOS ONE 16(3): e0248930.