Bröstcancer är kvinnans vanligaste maligna sjukdom som idag främst diagnostiseras genom hälsokontroll med mammografi i ett tidigt stadium utan spridning till lymfkörtlarna och med gynnsama tumöregenskaper. Prognosen har därför avsevärt förbättrats genom tidig upptäckt och rutinmässig efterbehandling. 8/10 patienter med bröstcancer har ej någon spridning till armhålans lymfkörtlar och 4/10 en hormonberoende bröstcancer som inte behöver behandling med cytostatika. Minskning av behandlingsinsatserna vid bröstcancer såväl kirurgiskt som medicinskt är därför ett aktuellt forskningsområde. Behov av kliniskt beslutsstöd inom detta område är stort.
Projektet kommer att ta fram beslutsstöd vid bröstcancer baserat på stora patientkohorter och preoperativt tillgängliga uppgifter om patient och tumör för att diagnostisera lymfkörtlar preoperativt utan kirurgi och identifiera patienter som kan besparas ingreppet. Ansökan avser att förbättra kunskapsunderlaget vid hormonberoende bröstcancer genom att integrera molekylära profiler i riskmodeller för att förutsäga långtidsöverlevnad i retrospektiva kohorter och val av tilläggsbehandling prospektivt. Patienter med god långtidsprognos identifieras och effekten av molekylär diagnostik utvärderas prospektivt genom att jämföra behandlingsval.
Projektet avser att skapa en web baserad riskkalkylator, baserad på artificiell intelligens, för att förutsäga risken för lymfkörtelmetastaser inför planering av kirurgi. Vår modell för lymfkörtelprediktion kan minska andelen kirurgiska ingrepp med knappt 1/3. Baserat på resultaten i projektet kan patienter med hormonberoende tumörer och god prognos identifieradas med molekylär profil och rekommenderas minskad systembehandling jämfört med dagens riktlinjer. Genom att jämföra betydelsen av molekylär diagnostik med rutindiagnostik på behandlingsrekommendation vid hormonell bröstcancer, skapas underlag för introduktion av metoden i Sverige.