Come si calcola il rischio reale per il tumore al seno

!

❤️ ❤️ ❤️ ❤️ ❤️

Bene Ortoressica! 🥰

Ginevra1308 tutto bene? 🫶

Grazie

Siamo stati nominati.

Qualcuno ha sparlato, si fa per dire, di noi con CUNEO 24 ?


https://www.cuneo24.it/2025/09/il-tumore-al-seno-e-la-sfida-della-comunicazione-medica-303382/

Sono felice per la tua visita!!!!
Approfitto per chiedere, cosa sono i bifosfonati?

salvocatania
Buongiorno dottore e buongiorno a tutti,
Vi riassumo la mia storia,a fine agosto mi hanno trovato un carcinoma duttale infiltrante nst,estrogeno 40% progesterone 20% ki67 45% her2 neg
Ho fatto risonanza che ha confermato il tutto con due linfonodi patologici di cui uno di 2.2 cm dove ho fatto agoaspirato che è uscito negativo,ora ho fatto una tac total body dove al quarto segmento epatico si rileva un area ipodensa a margini sfumati di 15mm di diametro circa,lunedì farò eco al fegato con mezzo di contrasto,le chiedo secondo lei quante possibilità ho di avere qualcosa al fegato?nelle altre parti e tutto pulito grazie

🫶🏻🫶🏻🫶🏻❤️❤️❤️

Diagnosi di cancro mammario basata sull’apprendimento profondo nella risonanza magnetica della mammella


Un’equipe di ricercatori ha effettuato una revisione sistematica e una meta-analisi con lo scopo di valutare la performance dei modelli di apprendimento profondo (DL) nella diagnosi di cancro della mammella tramite risonanza magnetica (MRI). Sono stati esplorati i database Web of Science, PubMed e IEEE Xplore alla ricerca di lavori specifici pubblicati da gennaio 2015 a febbraio 2024. Sono stati utilizzati lo strumento QUADAS-2 e la lista di controllo MAIC-10 (Must AI Criteria-10) per valutare la qualità e il rischio di bias. La meta-analisi ha incluso studi che riportavano l’uso di DL per la diagnosi di cancro mammario e le loro performance dalle quali sono state calcolate le stime aggregate per l’area sotto la curva (AUC), la sensibilità e la specificità.

Alla fine, gli esperti hanno selezionato 40 documenti, dei quali solo 21 erano idonei per l’analisi quantitativa. Le reti neurali convoluzionali (CNN) sono state utilizzate nel 62,5% (25/40) dei modelli implementati, mentre il restante 37,5% (15/40) è composto da modelli compositi ibridi (HCM). Le stime aggregate di AUC, sensibilità e specificità sono rispettivamente di 0,90, 88% e 90%. Gli Autori concludono che i modelli DL utilizzati per la diagnosi del cancro della mammella su risonanza magnetica raggiungono performance elevate anche se c’è una notevole variabilità intrinseca in questa analisi. Pertanto, la valutazione continua e il perfezionamento dei modelli DL sono essenziali per garantirne la praticità in ambito clinico. Registrazione PROSPERO (protocollo n. CRD42024485371)

Fonte
Eur Radiol. 2025 Aug doi: 10.1007/s00330-025-11406-6

Sviluppo e performance di modelli di previsione del rischio di incidenza del cancro mammario femminile

Una previsione accurata del rischio di cancro della mammella è essenziale per la diagnosi precoce e le strategie di prevenzione personalizzate. Mentre i modelli tradizionali, come Gail e Tyrer-Cuzick, sono ampiamente utilizzati, gli approcci basati sull’apprendimento automatico potrebbero offrire una performance predittiva migliorata.

Un gruppo di ricercatori ha eseguito una revisione sistematica e una meta-analisi con la finalità di confrontare l’accuratezza dei modelli statistici tradizionali e dei modelli di apprendimento automatico nella previsione del rischio di cancro della mammella. Gli esperti hanno selezionato 144 studi, provenienti da 27 Paesi, che hanno incorporato dati genetici, clinici e di imaging. Le C-statistiche aggregate sono state calcolate per valutare la discriminazione del modello, mentre i rapporti osservato-atteso (O/E) sono stati utilizzati per valutarne la calibrazione. Infine, il team ha condotto analisi di sottogruppo e di sensibilità per esaminare l’eterogeneità e per valutare l’influenza del bias di studio in diverse popolazioni. I modelli basati sull’apprendimento automatico hanno dimostrato una performance superiore, con una C-statistica aggregata di 0,74, rispetto a 0,67 per i modelli tradizionali. I modelli che integravano dati genetici e di imaging hanno mostrato i più alti livelli di accuratezza, sebbene la performance risulti variabile in base alla popolazione. Le analisi di sensibilità che escludono gli studi con alto bias mostrano una migliore discriminazione nei modelli che incorporano fattori genetici, con la C-statistica aggregata salita a 0,72. I modelli tradizionali, come Gail, mostrano un’accuratezza predittiva notevolmente scarsa nelle popolazioni non occidentali, come evidenziato da una C-statistica di 0,543 nelle coorti cinesi. Gli Autori concludono che i modelli di apprendimento automatico forniscono un’accuratezza predittiva significativamente maggiore per il rischio di cancro mammario, in particolare quando incorporano dati multidimensionali. Tuttavia, permangono problemi legati alla generalizzabilità e all’interpretabilità dei modelli, soprattutto in popolazioni diverse. La ricerca futura dovrebbe concentrarsi sullo sviluppo di modelli più interpretabili e sull’espansione degli sforzi di validazione globale per migliorarne l’applicabilità a diversi gruppi demografici.

Ann Med. 2025 Dec doi: 10.1080/07853890.2025.2534522

Benvenuta ☀️
Aspettiamo insieme la risposta del doc,rimani con noi🫶🏻

Io ci sono ☀️🌻

Va..le buona convalescenza, vedrai che ogni giorno andrà sempre meglio

CADONOT: confronto tra dissezione ascellare e non dissezione nella chirurgia del cancro mammario


La biopsia del linfonodo sentinella (SLNB) è il gold standard per la valutazione ascellare nel cancro della mammella in stadio iniziale senza linfonodi clinicamente coinvolti.
Lo studio ACOSOG Z0011 ha dimostrato la sicurezza di omettere la dissezione ascellare in caso di malattia limitata al linfonodo sentinella. Altri studi hanno confermato che la sola SLNB o la SLNB con radioterapia ascellare (AR) non è inferiore.
André Mattar e colleghi hanno svolto un’indagine per approfondire l’argomento. Seguendo le linee guida PRISMA, sono stati esplorati esaustivamente i database Medline, Embase e Cochrane alla ricerca di studi clinici randomizzati pubblicati dal 2010 al 2024. Gli outcome, inclusi la sopravvivenza globale (OS) a 5, 8 e 10 anni, la sopravvivenza libera da malattia (DFS), i tassi di recidiva e il linfedema, sono stati analizzati con il software R e valutati per il bias (Cochrane RoB) e la qualità delle evidenze (GRADE). L’attenzione si è concentrata sul confronto tra la dissezione ascellare dei linfonodi (ALND) e la SLNB, da sola o con AR, in pazienti con cancro della mammella cT1-T3 con 1-2 linfonodi sentinella metastatici. Alla fine, gli esperti hanno selezionato 7 studi clinici randomizzati (RCT), per un totale di 7338 donne, con un periodo di follow-up da 2,8 a 10 anni. La SLNB è stata associata a un rischio di linfedema inferiore del 65% rispetto all’ALND, senza differenze significative nella sopravvivenza globale a 5, 8 o 10 anni, nella sopravvivenza libera da malattia o nei tassi di recidiva. Una meta-analisi che ha confrontato le micrometastasi e le macrometastasi non ha mostrato alcun impatto sugli outcome, indicando che l’ALND potrebbe essere non necessaria in entrambi i casi. Anche i tassi di recidiva non differivano tra SLNB e ALND, rafforzando il rischio significativamente inferiore di linfedema della SLNB. Gli Autori concludono che la SLNB rappresenta un’alternativa sicura ed efficace all’ALND nel cancro mammario in stadio iniziale con 1-2 linfonodi sentinella positivi, fornendo outcome di sopravvivenza e recidiva comparabili e con meno complicanze.

Breast. 2025 Jun doi: 10.1016/j.breast.2025.104453

Bene Vale,
Un passetto alla volta riprenderai la tua routine e rivedrai la tua famiglia. Adesso approfitta e riposati da tua cugina. A casa poi ti aspettano le pesti