Esplorazione preliminare dell'analisi radiomica mammografica nel tumore al seno triplo negativo in relazione al profilo BRCA

Perché le immagini al seno possono dire più di quanto appaia

Quando la maggior parte delle persone pensa a una mammografia, immagina il medico alla ricerca di masse evidenti o macchie sospette. Questo studio pone una domanda più profonda: i pattern sottili in una radiografia mammaria standard potrebbero rivelare se una donna porta mutazioni ereditarie ad alto rischio, come nei geni BRCA, anche prima che l'analisi del patologo o il test genetico lo confermino? Se così fosse, le immagini di routine utilizzate per individuare il cancro potrebbero anche segnalare donne con un rischio ereditario maggiore, guidando un follow‑up più attento o la consulenza genetica.

Un tipo aggressivo di cancro al seno e il rischio ereditario

I ricercatori si sono concentrati sul carcinoma mammario triplo negativo, una forma particolarmente aggressiva che è priva di tre comuni marcatori ormonali e dei fattori di crescita e attualmente dispone di meno opzioni terapeutiche mirate. I tumori triplo negativi sono più frequenti nelle donne che portano variazioni dannose nei geni BRCA1 o BRCA2, coinvolti nella riparazione del DNA danneggiato. Tuttavia, oggi la conferma di tali mutazioni richiede ancora test genetici. Il gruppo si è chiesto se le mammografie potessero contenere indizi nascosti—troppo sottili per l'occhio umano—che distinguono le donne con e senza mutazioni BRCA tra quelle già diagnosticate con malattia triplo negativa.

Convertire le mammografie in numeri

Per esplorare questa possibilità, gli scienziati hanno condotto una revisione retrospettiva di 52 donne con carcinoma mammario triplo negativo che avevano eseguito una mammografia digitale prima di qualsiasi trattamento e con stato BRCA noto. Tredici donne avevano mutazioni BRCA e 39 no. I radiologi hanno delineato manualmente ogni tumore visibile sulla mammografia e hanno tracciato anche un'area ovale di dimensione standard nella zona più uniforme del seno opposto apparentemente sano. Utilizzando un pacchetto software open source, hanno convertito ciascuna area delineata in 195 descrittori numerici, o “feature”, che catturano luminosità, contrasto e texture a scala fine—pattern di luci e ombre che suggeriscono come il tessuto sia organizzato a livello microscopico.

Lasciare che gli algoritmi cerchino pattern significativi

Poiché centinaia di misurazioni possono essere ridondanti, il team ha usato strumenti statistici per ridurre la lista a poche feature informative ma non fortemente sovrapposte. Hanno quindi costruito tre tipi di modelli: uno basato solo sulle feature del tessuto sano, uno usando solo le feature del tumore e uno che combinava entrambi. Diversi classificatori di machine learning disponibili, tra cui regressione logistica, macchine a vettori di supporto e alberi decisionali, sono stati addestrati e testati ripetutamente su sottoinsiemi casualizzati dei dati per stimare quanto bene riuscissero a distinguere pazienti mutate BRCA da non mutate.

Il tessuto normale parla più forte

Sorprendentemente, i modelli più accurati non provenivano dai tumori stessi ma dal tessuto ghiandolare dall'aspetto normale nel seno opposto. Un modello lineare semplice basato esclusivamente su tre feature di questo tessuto sano ha ottenuto una buona discriminazione tra portatrici di mutazioni e non portatrici, con alta specificità—cioè poche false segnalazioni. Una misura di texture, nota come “sum entropy” (entropia somma), che riflette quanto siano casuali o complesse le distribuzioni dei pixel, è risultata costantemente più alta nelle donne con mutazioni BRCA. Gli autori suggeriscono che difetti ereditari nella riparazione del DNA possano alterare sottilmente l'architettura microscopica del tessuto mammario molto prima o oltre ciò che si presenta come una massa distinta, e che questa architettura alterata si manifesti come una texture più irregolare nella mammografia.

Cosa potrebbe significare per i controlli futuri

Per un lettore non specialistico, la conclusione principale è che le mammografie standard possono contenere informazioni molto più ricche di quelle attualmente sfruttate dai radiologi. In questo studio preliminare, l'analisi computerizzata del tessuto di “sfondo” del seno—non solo del tumore—ha aiutato a distinguere donne con mutazioni BRCA ad alto rischio da quelle senza, all'interno di un gruppo già affetto da carcinoma triplo negativo. Se studi più ampi e multicentrici confermeranno questi risultati e li integreranno con dati clinici, le immagini di screening di routine potrebbero un giorno supportare strumenti non invasivi che stimano il rischio ereditario e aiutano a decidere chi offrire per test genetici o un monitoraggio più attento, il tutto senza modificare la procedura della mammografia stessa.

Citazione: Pecchi, A., Sessa, G., Nocetti, L. et al. Preliminary exploration of radiomic mammographic analysis in triple negative breast cancer related to BRCA profile. Sci Rep 16, 8765 (2026). https://doi.org/10.1038/s41598-026-35774-1

Parole chiave: carcinoma mammario triplo negativo, mutazione BRCA, mammografia, radiomica, radiogenomica