Raadpleeg ook literatuurlijst niet-toxische stoffen en behandelingen specifiek bij borstkanker van arts-bioloog drs. Engelbert Valstar.

10 mei 2023: Bron: JAMA 27 april 2023

Het is algemeen bekend dat vrouwen met grote borstdichtheid een hoger risico op borstkanker hebben. Maar volgens een 10-jarige studie van de Washington University in St. Louis (MO) uitgevoerd bij totaal 10.841 vrouwen zonder aantoonbare borstkanker die tussen november 2008 en oktober 2020 iedere één tot twee jaar een digitale mammografie ondergingen, lijkt de snelheid van veranderingen / verminderingen in de borstdichtheid bij het ouder worden van de vrouwen in de loop van de tijd ook verband te houden met het risico dat later kanker in die borst wordt gediagnosticeerd.

In de hele studiegroep werd borstkanker gediagnostiseerd bij 289 deelnemers. De onderzoekers creerden een nieuwe studie waarbij voor elke borstkankerpatiënt twee controlepersonen werden geselecteerd, gematcht naar leeftijd bij deelname en jaar van start van studiedeelname (n=658). Dit resulteerde in een totaal van 8710 mammogrammen voor de analyse.
De gemiddelde leeftijd van de 947 deelnemers bij start van de studie was 56,67 ± 8,71 jaar; 80,6% was blank; 14,9% was zwart; 4,6% had een ander ras/etniciteit of rapporteerde deze informatie niet.
De gemiddelde duur tussen de laatste mammogram en borstkanker diagnose was 2,0 ± 1,5 jaar.

De borstdichtheid nam in de loop van de tijd af bij zowel de borstkankerpatiënten als de vrouwen uit de controlegroep. Wat echt opviel was een beduidend lagere snelheid van afname van de borstdichtheid 
in de borsten waarin later borstkanker werd gediagnostiseerd dan in de borsten waar geen borstkanker ontstond. (p=0,04).




De resultaten uit de studie zijn gepubliceerd in JAMA en de studie is uitgevoerd onder leiding van Shu Jiang MD., een universitair hoofddocent chirurgie aan de Washington University School of Medicine in St. Louis en eerste auteur van de nieuwe studie.

"Borstdichtheid kan een maskerend effect hebben op mammografie, waarbij het moeilijker kan zijn om borstkanker te vinden in een gebied met dicht borstweefsel", aldus Shu Jiang MD..
“Maar zelfs als je het probleem om het te vinden wegneemt, is borstdichtheid een onafhankelijke risicofactor voor het ontwikkelen van borstkanker." 

Als ik dit artikel lees lijkt het ook wel dat grote borstdichtheid het moeilijker maakt om borstkanker op te sporen maar de onderzoekers van de laatste studie zijn best stellig dat tragere vermindering van borstdichtheid het grootste risico geeft. 

Uit het abstract vertaald:

Wanneer de gemiddelde volumetrische dichtheid van de 2 borsten werd gebruikt, was de borstdichtheid bij binnenkomst significant hoger voor gevallen vergeleken met controles (schatting = 0,140; 95% BI, 0,033-0,246; P = .01) (Table 2 and Figure 2). De borstdichtheid nam in beide groepen postmenopauzale vrouwen in de loop van de tijd af. Vrouwen met een hogere body mass index hadden een lagere borstdichtheid (schatting = −0,041; 95% BI, −0,049 tot −0,033; P < .001), en vrouwen met een voorgeschiedenis van door biopsie bevestigde goedaardige borstziekte hadden een hogere borstdichtheid (schatting = 0,224; 95% BI, 0,129-0,318; P < .001).

Ook Dr. Hal Burstein, klinisch onderzoeker in het Breast Oncology Center van het Dana-Farber Cancer Institute, die niet betrokken was bij de nieuwe studie bevestigt:

“Er zijn hier twee problemen. Ten eerste kan borstdichtheid het moeilijker maken om volledig door de borst te 'kijken' op een mammogram, zoals kijken door een matglas. Het kan dus moeilijker zijn om borstkanker op te sporen."
Ten tweede wordt vaak gedacht dat borstdichtheid de oestrogeenblootstelling of oestrogeenspiegels bij vrouwen weerspiegelt, en hoe groter de oestrogeenblootstelling, hoe groter het risico op het ontwikkelen van borstkanker."

Het volledige studierapport is gratis in te zien of te downloaden. Klik daarvoor op de titel van het abstract:

Key Points

Question  Is change in mammographic breast density associated with the development of breast cancer, and does this change diverge from the expected decrease in density with age?

Findings  In this nested case-control cohort study of 947 women attending breast screening during up to 10 years, a decrease in breast density was observed in all women regardless of subsequent breast cancer development. The rate of density change was significantly slower in the breast in which cancer was later diagnosed.

Meaning  This study found that evaluating longitudinal changes in breast density from digital mammograms may offer an additional tool for assessing risk of breast cancer and subsequent risk reduction strategies.

Abstract

Importance  Although breast density is an established risk factor for breast cancer, longitudinal changes in breast density have not been extensively studied to determine whether this factor is associated with breast cancer risk.

Objective  To prospectively evaluate the association between change in mammographic density in each breast over time and risk of subsequent breast cancer.

Design, Setting, and Participants  This nested case-control cohort study was sampled from the Joanne Knight Breast Health Cohort of 10 481 women free from cancer at entry and observed from November 3, 2008, to October 31, 2020, with routine screening mammograms every 1 to 2 years, providing a measure of breast density. Breast cancer screening was provided for a diverse population of women in the St Louis region. A total of 289 case patients with pathology-confirmed breast cancer were identified, and approximately 2 control participants were sampled for each case according to age at entry and year of enrollment, yielding 658 controls with a total number of 8710 craniocaudal-view mammograms for analysis.

Exposures  Exposures included screening mammograms with volumetric percentage of density, change in volumetric breast density over time, and breast biopsy pathology-confirmed cancer. Breast cancer risk factors were collected via questionnaire at enrollment.

Main Outcomes and Measures  Longitudinal changes over time in each woman’s volumetric breast density by case and control status.

Results  The mean (SD) age of the 947 participants was 56.67 (8.71) years at entry; 141 were Black (14.9%), 763 were White (80.6%), 20 were of other race or ethnicity (2.1%), and 23 did not report this information (2.4%). The mean (SD) interval was 2.0 (1.5) years from last mammogram to date of subsequent breast cancer diagnosis (10th percentile, 1.0 year; 90th percentile, 3.9 years). Breast density decreased over time in both cases and controls. However, there was a significantly slower decrease in rate of decline in density in the breast that developed breast cancer compared with the decline in controls (estimate = 0.027; 95% CI, 0.001-0.053; P = .04).

Conclusions and RelevanceThis study found that the rate of change in breast density was associated with the risk of subsequent breast cancer. Incorporation of longitudinal changes into existing models could optimize risk stratification and guide more personalized risk management.

Article Information

Accepted for Publication: January 27, 2023.

Published Online: April 27, 2023. doi:10.1001/jamaoncol.2023.0434

Open Access: This is an open access article distributed under the terms of the CC-BY License. © 2023 Jiang S et al. JAMA Oncology.

Corresponding Author: Graham A. Colditz, MD, DrPH, Division of Public Health Sciences, Department of Surgery, Washington University School of Medicine, 660 S Euclid Ave, MSC 8100-0094-02, St Louis, MO 63110 (colditzg@wustl.edu).

Author Contributions: Drs Jiang and Colditz had full access to all of the data in the study and take responsibility for the integrity of the data and the accuracy of the data analysis.

Concept and design: All authors.

Acquisition, analysis, or interpretation of data: Jiang, Rosner, Colditz.

Drafting of the manuscript: All authors.

Critical revision of the manuscript for important intellectual content: Bennett, Rosner, Colditz.

Statistical analysis: Jiang, Rosner, Colditz.

Obtained funding: Colditz.

Administrative, technical, or material support: Colditz.

Supervision: Bennett, Rosner, Colditz.

Conflict of Interest Disclosures: Dr Jiang reported receiving grants from the National Cancer Institute (NCI) and the Breast Cancer Research Foundation (BCRF) during the conduct of the study and reported having a patent pending for automated volumetric density assessment by pixel thresholding for individual digital mammograms. Dr Colditz reported receiving grants from NCI and BCRF during the conduct of the study and reported having a patent pending for automated volumetric density assessment by pixel thresholding for individual digital mammograms. No other disclosures were reported.

Funding/Support: This work was supported by BCRF grant 21-028 and in part by the NCI (R37 CA256810).

Role of the Funder/Sponsor: The BCRF and NCI had no role in the design and conduct of the study; collection, management, analysis, and interpretation of the data; preparation, review, or approval of the manuscript; and decision to submit the manuscript for publication.

Data Sharing Statement: See Supplement 2.

References
1.
Boyd  NF, Guo  H, Martin  LJ,  et al.  Mammographic density and the risk and detection of breast cancer.   N Engl J Med. 2007;356(3):227-236. doi:10.1056/NEJMoa062790PubMedGoogle ScholarCrossref
2.
Boyd  NF, Rommens  JM, Vogt  K,  et al.  Mammographic breast density as an intermediate phenotype for breast cancer.   Lancet Oncol. 2005;6(10):798-808. doi:10.1016/S1470-2045(05)70390-9PubMedGoogle ScholarCrossref
3.
Burton  A, Maskarinec  G, Perez-Gomez  B,  et al.  Mammographic density and ageing: a collaborative pooled analysis of cross-sectional data from 22 countries worldwide.   PLoS Med. 2017;14(6):e1002335. doi:10.1371/journal.pmed.1002335PubMedGoogle ScholarCrossref
4.
Kleinstern  G, Scott  CG, Tamimi  RM,  et al.  Association of mammographic density measures and breast cancer “intrinsic” molecular subtypes.   Breast Cancer Res Treat. 2021;187(1):215-224. doi:10.1007/s10549-020-06049-8PubMedGoogle ScholarCrossref
5.
Burton  A, Byrnes  G, Stone  J,  et al.  Mammographic density assessed on paired raw and processed digital images and on paired screen-film and digital images across three mammography systems.   Breast Cancer Res. 2016;18(1):130. doi:10.1186/s13058-016-0787-0PubMedGoogle ScholarCrossref
6.
Rice  MS, Bertrand  KA, VanderWeele  TJ,  et al.  Mammographic density and breast cancer risk: a mediation analysis.   Breast Cancer Res. 2016;18(1):94. doi:10.1186/s13058-016-0750-0PubMedGoogle ScholarCrossref
7.
Tran  TXM, Kim  S, Song  H, Lee  E, Park  B.  Association of longitudinal mammographic breast density changes with subsequent breast cancer risk.   Radiology. 2023;306(2):e220291. doi:10.1148/radiol.220291PubMedGoogle ScholarCrossref
8.
Mokhtary  A, Karakatsanis  A, Valachis  A.  Mammographic density changes over time and breast cancer risk: a systematic review and meta-analysis.   Cancers (Basel). 2021;13(19):4805. doi:10.3390/cancers13194805PubMedGoogle ScholarCrossref
9.
Colditz  GA, Bennett  DL, Tappenden  J,  et al.  Joanne Knight Breast Health Cohort at Siteman Cancer Center.   Cancer Causes Control. 2022;33(4):623-629. doi:10.1007/s10552-022-01554-1PubMedGoogle ScholarCrossref
10.
Colditz  GA, Hankinson  SE.  The Nurses’ Health Study: lifestyle and health among women.   Nat Rev Cancer. 2005;5(5):388-396. doi:10.1038/nrc1608PubMedGoogle ScholarCrossref
11.
Keller  BM, Nathan  DL, Wang  Y,  et al.  Estimation of breast percent density in raw and processed full field digital mammography images via adaptive fuzzy c-means clustering and support vector machine segmentation.   Med Phys. 2012;39(8):4903-4917. doi:10.1118/1.4736530PubMedGoogle ScholarCrossref
12.
Lee  HN, Sohn  YM, Han  KH.  Comparison of mammographic density estimation by Volpara software with radiologists’ visual assessment: analysis of clinical-radiologic factors affecting discrepancy between them.   Acta Radiol. 2015;56(9):1061-1068. doi:10.1177/0284185114554674PubMedGoogle ScholarCrossref
13.
Mintz  R, Wang  M, Xu  S, Colditz  GA, Markovic  C, Toriola  AT.  Hormone and receptor activator of NF-κB (RANK) pathway gene expression in plasma and mammographic breast density in postmenopausal women.   Breast Cancer Res. 2022;24(1):28. doi:10.1186/s13058-022-01522-2PubMedGoogle ScholarCrossref
14.
Alimujiang  A, Imm  KR, Appleton  CM, Colditz  GA, Berkey  CS, Toriola  AT.  Adiposity at age 10 and mammographic density among premenopausal women.   Cancer Prev Res (Phila). 2018;11(5):287-294. doi:10.1158/1940-6207.CAPR-17-0309PubMedGoogle ScholarCrossref
15.
Ying  GS, Maguire  MG, Glynn  RJ, Rosner  B.  Tutorial on biostatistics: longitudinal analysis of correlated continuous eye data.   Ophthalmic Epidemiol. 2021;28(1):3-20. doi:10.1080/09286586.2020.1786590PubMedGoogle ScholarCrossref
16.
Spak  DA, Plaxco  JS, Santiago  L, Dryden  MJ, Dogan  BE.  BI-RADS® fifth edition: a summary of changes.   Diagn Interv Imaging. 2017;98(3):179-190. doi:10.1016/j.diii.2017.01.001PubMedGoogle ScholarCrossref
17.
Román  M, Sala  M, Baré  M,  et al; BELE Study Group.  Changes in mammographic density over time and the risk of breast cancer: an observational cohort study.   Breast. 2019;46:108-115. doi:10.1016/j.breast.2019.04.007PubMedGoogle ScholarCrossref
18.
Kerlikowske  K, Gard  CC, Sprague  BL, Tice  JA, Miglioretti  DL; Breast Cancer Surveillance Consortium.  One versus two breast density measures to predict 5- and 10-year breast cancer risk.   Cancer Epidemiol Biomarkers Prev. 2015;24(6):889-897. doi:10.1158/1055-9965.EPI-15-0035PubMedGoogle ScholarCrossref
19.
Kang  D, Kim  JY, Kim  JY,  et al.  The relationship between breast density change during menopause and the risk of breast cancer in Korean women.   Cancer Prev Res (Phila). 2021;14(12):1119-1128. doi:10.1158/1940-6207.CAPR-20-0542PubMedGoogle ScholarCrossref
20.
Kim  EY, Chang  Y, Ahn  J,  et al.  Mammographic breast density, its changes, and breast cancer risk in premenopausal and postmenopausal women.   Cancer. 2020;126(21):4687-4696. doi:10.1002/cncr.33138PubMedGoogle ScholarCrossref
21.
Azam  S, Eriksson  M, Sjölander  A,  et al.  Mammographic density change and risk of breast cancer.   J Natl Cancer Inst. 2020;112(4):391-399. doi:10.1093/jnci/djz149PubMedGoogle ScholarCrossref
22.
Work  MER, Reimers  LL, Quante  AS, Crew  KD, Whiffen  A, Terry  MB.  Changes in mammographic density over time in breast cancer cases and women at high risk for breast cancer.   Int J Cancer. 2014;135(7):1740-1744. doi:10.1002/ijc.28825PubMedGoogle ScholarCrossref
23.
Vachon  CM, Pankratz  VS, Scott  CG,  et al.  Longitudinal trends in mammographic percent density and breast cancer risk.   Cancer Epidemiol Biomarkers Prev. 2007;16(5):921-928. doi:10.1158/1055-9965.EPI-06-1047PubMedGoogle ScholarCrossref
24.
Tan  M, Zheng  B, Leader  JK, Gur  D.  Association between changes in mammographic image features and risk for near-term breast cancer development.   IEEE Trans Med Imaging. 2016;35(7):1719-1728. doi:10.1109/TMI.2016.2527619PubMedGoogle ScholarCrossref
25.
Brandt  KR, Scott  CG, Miglioretti  DL,  et al.  Automated volumetric breast density measures: differential change between breasts in women with and without breast cancer.   Breast Cancer Res. 2019;21(1):118. doi:10.1186/s13058-019-1198-9PubMedGoogle ScholarCrossref
26.
Gastounioti  A, Kasi  CD, Scott  CG,  et al.  Evaluation of LIBRA software for fully automated mammographic density assessment in breast cancer risk prediction.   Radiology. 2020;296(1):24-31. doi:10.1148/radiol.2020192509PubMedGoogle ScholarCrossref
27.
Pettersson  A, Graff  RE, Ursin  G,  et al.  Mammographic density phenotypes and risk of breast cancer: a meta-analysis.   J Natl Cancer Inst. 2014;106(5):dju078. doi:10.1093/jnci/dju078PubMedGoogle ScholarCrossref
28.
Bevers  TB, Ward  JH, Arun  BK,  et al.  Breast Cancer Risk Reduction, Version 2.2015.   J Natl Compr Canc Netw. 2015;13(7):880-915. doi:10.6004/jnccn.2015.0105PubMedGoogle ScholarCrossref
29.
Visvanathan  K, Fabian  CJ, Bantug  E,  et al.  Use of endocrine therapy for breast cancer risk reduction: ASCO clinical practice guideline update.   J Clin Oncol. 2019;37(33):3152-3165. doi:10.1200/JCO.19.01472PubMedGoogle ScholarCrossref
30.
Clift  AK, Dodwell  D, Lord  S,  et al.  The current status of risk-stratified breast screening.   Br J Cancer. 2022;126(4):533-550. doi:10.1038/s41416-021-01550-3PubMedGoogle ScholarCrossref
31.
Vilmun  BM, Vejborg  I, Lynge  E,  et al.  Impact of adding breast density to breast cancer risk models: a systematic review.   Eur J Radiol. 2020;127:109019. doi:10.1016/j.ejrad.2020.109019PubMedGoogle ScholarCrossref
32.
Kerlikowske  K, Su  YR, Sprague  BL,  et al.  Association of screening with digital breast tomosynthesis vs digital mammography with risk of interval invasive and advanced breast cancer.   JAMA. 2022;327(22):2220-2230. doi:10.1001/jama.2022.7672
ArticlePubMedGoogle ScholarCrossref
33.
Pace  LE, Keating  NL.  Should women at lower-than-average risk of breast cancer undergo less frequent screening?   J Natl Cancer Inst. 2021;113(8):953-954. doi:10.1093/jnci/djaa219PubMedGoogle ScholarCrossref







Plaats een reactie ...

Reageer op "Hoe langer het duurt voordat borstdichtheid afneemt bij ouder wordende vrouwen hoe groter het risico op ontstaan van borstkanker."


Gerelateerde artikelen