Současný přehled modelů stanovení rizika pro vznik karcinomu prsu –⁠ praktické využití v praxi ambulantního gynekologa

Overview

Rostoucí incidence karcinomu prsu představuje závažný medicínský problém. Specifickou skupinu pacientek představuji ženy s karcinomem prsu před 45. rokem věku, tj. takové, které nebyly zařazeny do mamografického screeningu. Zjištění rizikových faktorů patogeneze karcinomu prsu vedlo ke vzniku triážních modelů založených jak na anamnestických datech a genetickém testování, tak na zobrazovacích metodách, jejich aktualizované verze pak na kombinaci těchto modalit. Nejstarší empirický Gail model operuje pouze se základní anamnézou. IBIS model pak s rozšířenou rodinnou anamnézou, navíc i s mamografickou denzitou prsní tkáně. Model BOADICEA umožňuje výpočet celoživotního rizika a rizika nosičství BRCA1/2 a dalších major mutací (BRCA1/2, TP53, PTEN, CHEK2, ATM). Českým příspěvkem je Pecnův model. S novými možnostmi genetického testování pak bylo do nejnovějších verzí těchto modelů zařazeno PRS (polygenic risk score), které jejich prediktivní hodnotu zvyšuje. S narůstajícím zapojením AI (artificial intelligence) a deep learning do klinické medicíny pak můžeme očekávat vznik nových, na AI dependentních triážních modelů. Zásadním úskalím výše zmíněných modelů je limitovanost na kavkazskou populaci. Kalibrace dle statistických dat pro populace jiné mnohdy nefunguje. V rámci tohoto článku budou představena aktuální statistická data pro GAIL model, IBIS a jeho verze a model BOADICEA. Cílem článku je přestavit predikční modely odborné veřejnosti a seznámit ji s možným využitím v rutinní gynekologické ambulantní praxi.

Klíčová slova:

umělá inteligence – screening – Deep learning – rakovina prsu – hodnocení rizika – modely predikce rizika – Gail model – Tyrer-Cuzick model

Úvod

Rakovina prsu je celosvětově nejčastější malignitou u žen a představuje závažný medicínský problém s významným dopadem na morbiditu i mortalitu. V roce 2020 bylo celosvětově diagnostikováno přibližně 2,3 milionu nových případů, což představuje přibližně 11,7 % všech onkologických onemocnění u žen [1,2]. Od roku 2007 je v ČR pozorován nový trend, kdy je 7–15 % karcinomů prsu zachyceno již před 45. rokem života [3], tj. ještě před zařazením do mamografického screeningu. Včasný záchyt onemocnění představuje faktor výrazně zlepšující prognózu pacientek. Klíčovým nástrojem k identifikaci pacientek se zvýšeným rizikem vzniku karcinomu prsu jsou predikční modely. Ty umožňují triáž pacientek na základě znalosti rizikových faktorů patogeneze [4,5].

V posledních desetiletích bylo vyvinuto několik těchto modelů, které se liší rozsahem vstupních dat, přesností i klinickým využitím. Aktuální verze modelů operují s anamnestickými daty, genetickými vyšetřeními (major mutace, PRS) či výstupy zobrazovacích metod. Původní verze (anamnestického) Gail modelu má omezenou schopnost záchytu familiární zátěže. Snaha o zlepšení predikce pak vedla k vývoji komplexnějších nástrojů, jako jsou Tyrer-Cuzick (IBIS) model [6], BRCAPRO [7], BOADICEA (Breast and Ovarian Analysis of Disease Incidence and Carrier Estimation Algorithm) [8] a jejich nejnovější verze zahrnující PRS a mamografickou denzitu prsní tkáně [9,10]. Pro českou populaci je pak relevantní Pecnův model jakožto reflexe nepřiléhavosti Gail modu pro populaci českých pacientek.

Cílem tohoto přehledového článku je představit vybrané validované predikční modely rizika vzniku rakoviny prsu, se zaměřením na jejich vstupní data, schopnosti předpovědět míru pravděpodobnosti vzniku neoplazie v kontextu v klinické praxe ambulantního gynekologa. Zvláštní pozornost bude věnována Gail a Tyrer-Cuzick modelu, které patří mezi nejpoužívanější nástroje v preventivní mamologii, vč. jeho aktuální verzi IBISv8, která reflektuje aktuální trendy personalizované medicíny díky PRS. V závěru bude nastíněn možný budoucí vývoj preventivní mamologie ve světle umělé inteligence a genetického testování.

 

Metodika

Článek vychází z analýzy článků publikovaných v odborných databázích PubMed a Cochrane mezi lety 1989 a 2025.

 

Stratifikační modely

GAIL model

Původní Gail model, vyvinutý v roce 1989 Mitchell Gailem a jeho kolegy z National Cancer Institute, byl navržen na základě údajů z case-control studií amerických a evropských žen za účelem odhadu individuálního rizika rozvoje invazivního karcinomu prsu [11]. Model zahrnuje základní anamnestické údaje: věk, věk menarché, věk při porodu prvního živého dítěte, počet příbuzných prvního stupně s karcinomem prsu, počet předchozích biopsií prsu a přítomnost atypické hyperplazie v bioptických vzorcích [11,12]. Gail model stanovuje jak 5leté riziko, tak i celoživotní riziko rozvoje karcinomu prsu (do věku 90 let). V klinické praxi se za zvýšené riziko považuje 5leté riziko ≥ 1,67 % a celoživotní riziko ≥ 20 % [13]. Prediktivní přesnost modelu se pohybuje v rozmezí 0,58–0,62, což jej činí dostatečně senzitivním pro průměrnou populaci, ale méně přesným u specifických skupin žen [14]. Model byl později modifikován tak, aby lépe reflektoval rozdíly mezi etniky; byly vytvořeny jeho verze pro ženy asijského a afroamerického původu [15]. Přesto však klinická data ukázala významné nadhodnocení rizika u žen asijského původu, zejména kvůli nižší incidenci karcinomu prsu a rozdílné účasti na screeningových programech v této populaci [16]. Např. studie zaměřená na korejské ženy dospěla k závěru, že Gail model nadhodnocuje riziko až o 46 % [17]. Tato skutečnost je v souladu s výsledky české populační studie z roku 2005, která upozorňuje na omezenou validitu Gail modelu i v kontextu středoevropské populace [18]. Jedním z hlavních omezení modelu je skutečnost, že nezahrnuje genetickou zátěž, vč. BRCA1/2 mutací, a ignoruje rodinnou anamnézu ze strany otce [19]. Model dále nezohledňuje důležité faktory životního stylu, jako jsou BMI, kouření, konzumace alkoholu či fyzická aktivita, přestože jsou tyto proměnné stále častěji skloňovány jako významné rizikové faktory v současném výzkumu [20,21]. I přes uvedená omezení se však paradoxně Gail model ukazuje vhodnějším pro populaci rozvinutých zemí, ve kterých je vyšší incidence rizikových faktorů, jako je obezita, nízká fyzická aktivita nebo delší expozice endogenním hormonům a častější expozice hormonům exogenním. Naproti tomu v rozvojových zemích může být jeho využitelnost značně limitována, a to nejen kvůli nižší incidenci karcinomu prsu, ale i odlišnému socioekonomickému a kulturnímu kontextu [15].

Nejnovější verze je dostupná na https: //www.mdcalc.com/calc/3647/gail-model-breast-cancer-risk. Reflexí Gail modelu pro populaci českých pacientek je pak model sestavený týmem doc. Pecna, který kalibruje výpočet rizika pro českou populaci [15]. Dostupný je na webu: http: //calc.koc.cz/pro_lekare/vypocet_rizika_nadoru_prsu.html.

 

BOADICEA

Model BOADICEA je komplexní prediktivní nástroj, který byl vyvinut pro odhad celoživotního rizika rozvoje karcinomu prsu a ovarií a odhad pravděpodobnosti nosičství patogenních variant v major genech. Mezi ně patří zejména BRCA1, BRCA2, ale také PALB2, CHEK2, ATM a další [8,22]. Model vychází ze základních údajů o rodinné anamnéze –⁠ zahrnuje počet a typ příbuzných s karcinomem prsu, ovarií, prostaty či pankreatu, jejich stupeň příbuzenství, věk při diagnóze a případně histologický typ nádoru [23]. V novějších verzích modelu je zahrnuta také řada epidemiologických a klinických faktorů, vč. věku menarché, věku při prvním porodu, užívání hormonální substituční terapie, mamografické denzity prsní tkáně a eventuálně PRS [24]. Primární využití modelu spočívá v predikci rizika u žen s výrazně zatíženou rodinnou anamnézou, a to jak z hlediska 10letého a celoživotního rizika vzniku karcinomu prsu, tak z hlediska pravděpodobnosti nosičství patogenních mutací. Výstupy modelu umožňují stratifikaci pacientek do několika rizikových kategorií:

Nízké riziko: 10leté riziko < 0,5 %, celoživotní riziko < 3,6 %.

Populační riziko: 10leté riziko < 3 %, celoživotní riziko < 17 %.

Střední riziko: 10leté riziko 3–8 %, celoživotní 17–30 %.

Vysoké riziko: 10leté riziko > 8 %, celoživotní > 30 % [25].

 

BOADICEA byl validován jako jeden z nejpřesnějších modelů pro predikci přítomnosti BRCA1/2 mutací, kdy míra jeho diskriminační schopnosti dosahuje až 0,79 [26]. U méně penetrantních genů, jako je CHEK2 nebo ATM, je prediktivní schopnost nižší, částečně kvůli jejich nižší a variabilní penetranci [27]. Některé analýzy upozornily na to, že model má tendenci nadhodnocovat výskyt mutací PALB2 a zároveň může podhodnocovat přítomnost BRCA1 mutací v některých rodinách [26]. Nejnovější verze modelu, BOADICEAv7 a CanRisk, integruje PRS založené na více než 300 běžných genetických variantách a dále zohledňuje mamografickou hustotu prsní tkáně i přítomnost patogenních variant (PVs) v šesti klíčových genech spojených s karcinomem prsu. Tato verze dosahuje prediktivní hodnoty až 0,70–0,72 pro predikci 10letého rizika, což z ní činí dosud nejspolehlivější verzi modelu [28,29]. Stejně jako ostatní modely vykazuje i BOADICEA nejlepší výpovědní hodnotu pro ženy evropského původu. Jeho kalibrace pro jiné etnické skupiny zůstává částečně omezená. Současné snahy o zlepšení modelu směřují k větší etnické univerzalitě, přesnější integraci PRS a zahrnutí nových genetických markerů.

Model je dostupný na Welcome to CanRisk.

 

TYRER-CUZICK (IBIS)

Tyrer-Cuzick model, známý rovněž pod názvem IBIS (International Breast Cancer Intervention Study) model, patří v současnosti k nejpoužívanějším a nejkomplexnějším klinickým nástrojům pro odhad rizika rozvoje karcinomu prsu. Byl poprvé publikován v roce 2004 a od té doby získal několik zásadních aktualizací, které významně zvýšily jeho prediktivní přesnost a klinickou využitelnost [30]. Na rozdíl od Gail modelu, který se zaměřuje na základní anamnestické faktory, zahrnuje Tyrer-Cuzick model širší spektrum vstupních dat. Patří mezi ně detailní rodinná anamnéza, vč. příbuzných druhého stupně a výskytu jiných nádorových onemocnění (zejména ovaria, prostaty a pankreatu), dále mamografická hustota prsní tkáně dle klasifikace BI-RADS, indexu tělesné hmotnosti (BMI) u postmenopauzálních žen a rovněž přítomnost atypické duktální hyperplazie (ADH) nebo lobulárního karcinomu in situ (LCIS). Model také integruje genetické faktory zejména BRCA1/BRCA2 mutace, pokud jsou k dispozici z genetického testování [31]. Poskytuje odhad jak 5letého, tak celoživotního rizika vzniku invazivního karcinomu prsu. Na základě těchto výstupů umožňuje stratifikaci žen do tří klinicky relevantních kategorií rizika: nízké riziko, průměrné riziko (populační) a vysoké riziko. Příslušnost k poslední výše uvedené kategorii může být indikací k intenzivnějšímu sledování, screeningovým vyšetřením či preventivní chemoprofylaxi [31]. Nejnovější verze IBISv8 navíc integruje polygenic risk scores (PRS) založené na stovkách běžných genetických variant asociovaných s karcinomem prsu. Tato verze rovněž zohledňuje další epidemiologické faktory, jako je věk menarché, věk při prvním porodu, věk menopauzy a užívání hormonální substituční terapie, čímž se model stává robustnějším a lépe individualizovaným nástrojem [24,32]. Validace modelu ukázaly, že Tyrer-Cuzick model dosahuje vyšší prediktivní přesnosti než Gail model, a to s v rozmezí 0,70–0,76. Díky tomu je považován za jeden z nejspolehlivějších rizikových modelů dostupných v klinické praxi [5]. Některé studie upozorňují na možné nadhodnocení rizika ve skupinách s vysokým rizikem, a naopak podhodnocení ve skupinách s nízkým rizikem, což může mít nežádoucí následky pro doporučení v oblasti screeningu či preventivních opatření [5]. Na rozdíl od Gail modelu vykazuje Tyrer-Cuzick lepší predikci u žen asijského a indiánského původu. U žen hispánského původu však byla v některých studiích pozorována tendence k přeceňování rizika, což opět poukazuje na potřebu lepší etnické kalibrace modelu [16]. Díky širokému rozsahu vstupních dat, vysoké přesnosti a možnosti kombinace genetických a klinických dat je Tyrer-Cuzick model, zejména ve verzi IBISv8, považován za zlatý standard predikce rizika karcinomu prsu u žen bez manifestního nádorového onemocnění.

Model je dostupný na webu Tyrer-Cuzick Risk Calculator for Breast Cancer Risk Assessment | MagView: https: //magview.com/ibis-risk-calculator/.

 

PRS

V současnosti se zdá slibnou integrace tzv. polygenic risk scores (PRS). PRS využívají informace z genomového sekvenování, konkrétně přítomnost běžných genetických polymorfizmů (SNP –⁠ single nucleotide polymorphisms), které samostatně mají jen malý vliv, ale v kombinaci mohou významně zvyšovat kumulativní genetické riziko vzniku karcinomu prsu [33]. Na rozdíl od klasického testování vysoce penetrantních mutací, jako jsou BRCA1, BRCA2, CHEK2 či PALB2, umožňuje PRS identifikovat zvýšené riziko i u žen s negativními výsledky pro tyto mutace. V původních studiích se ukázalo, že skóre založené na 77 SNP nemělo dostatečnou vypovídající hodnotu, zatímco rozšířená verze PRS zahrnující 313 genetických variant dosáhla nejlepší rovnováhy mezi výtěžností a praktičností. Další zvyšování počtu SNP již ke zvýšení predikční přesnosti nevedlo [24]. Klinicky bylo prokázáno, že ženy v nejvyšším decilu PRS měly až čtyřnásobně vyšší riziko rozvoje estrogenně pozitivního (ER+) karcinomu prsu, zatímco ženy v nejnižším decilu měly riziko snížené až šestinásobně oproti průměrné populaci [34]. PRS se tedy jeví jako mocný nástroj pro identifikaci žen se zvýšeným i sníženým rizikem vzniku hormonálně pozitivního nádoru, který může významně ovlivnit rozhodování o individualizovaném screeningu a preventivních opatřeních. Stejně jako ostatní modely trpí i PRS etnickým biasem –⁠ jeho přesnost byla validována převážně na populacích evropského původu, zatímco u jiných etnik vykazuje zatím nedostatečnou kalibraci. Například u afroamerických žen bylo pozorováno až 90% nadhodnocení rizika, zatímco u jiných neevropských populací průměrně 40% nadhodnocení [35]. Tento nedostatek je důležitým omezením současného využití PRS a vyžaduje další výzkum a kalibraci dle etnického původu, pokud má být PRS skutečně univerzálně využitelné. Byly identifikovány i potenciální SNP asociované s rizikem triple negativního karcinomu (TNBC), nicméně zde je prediktivní síla PRS zatím nižší a klinické využití zůstává omezené [36]. Přesto se odhaduje, že pomocí PRS lze geneticky vysvětlit přibližně 30 % sporadicky vzniklých karcinomů prsu, u nichž nebyly identifikovány major mutace [9]. Kombinace PRS s klinickými predikčními modely, jako je Tyrer-Cuzick (IBISv8), se jeví jako vysoce perspektivní. Bylo prokázáno, že integrace PRS do těchto modelů vede k výrazně přesnější stratifikaci rizika –⁠ např. část žen byla na základě kombinovaných výpočtů přeřazena z nízkorizikové do střední či vysocerizikové skupiny, což má přímé důsledky pro doporučený screeningový postup [37]. Z toho důvodu většina novějších verzí predikčních modelů (vč. IBIS a BOADICEA) již s PRS ve výpočtech přímo operuje.

 

Možnosti využití prediktivních modelů v rutinní gynekologické praxi

Jedna ze sedmi žen, které onemocní rakovinou prsu, je mladší 45 let, tj. není zařazena do pravidelného mamografického screeningu. Úkolem ambulantního gynekologa by měla být stratifikace pacientek do rizikových skupin a zajištění následné péče cestou zobrazovacích metod, klinického vyšetření prsu a genetické konzultace. K této stratifikaci je možno využít některý z výše zmíněných modelů. Nejvhodnějším se zdá model IBISv8 postihující dostatečně zásadní rizikové faktory z osobní a rodinné anamnézy. Na rozdíl od empirického GAIL modelu jej lze použít u pacientek mladších 35 let. Jeho vyplnění zabere informované pacientce méně než 5 min, je volně dostupný on-line se snadno získatelným protokolem v PDF formátu, který může být odeslán ošetřujícímu lékaři. Pacientky, které rozumí anglicky, jej mohou vyplnit a priori doma. Pacientky, které anglicky nerozumí, je vhodné požádat o zjištění relevantních dat a do systému vložit v ambulanci v rámci zajištění co největší časové úspory. Vhodnou se zdá aktualizace dotazníku v rozmezí 5 let. Výstupem vyšetření je stratifikace pacientek do 3 skupin dle míry rizika. Risk assesment je vhodné provádět u každé ženy > 25 let. Následující informace odpovídají rozdělení dle modelu IBISv8.

Skupinu s nízkým rizikem představují pacientky s celoživotním rizikem < 15 %, tedy rizikem populačním. Tyto pacientky by měly být poučené o samovyšetření prsu, a pokud nedojde ke změnám v anamnéze, které by vedlo k přeřazení do jiné skupiny rizika, jsou zařazeny do mamografického screeningu po 45. roce života.

Pacientky s rizikem > 20 % představují skupinu s vysokým rizikem a měly by být odeslány k cílenému vyšetření klinickým genetikem.

Nejkomplikovanější skupinu představují ženy se středním rizikem, tj. celoživotním rizikem 15–20 %. Problematický je zvláště fakt, že tyto pacientky nesplňují indikační kritéria k vyšetření klinickým genetikem, a to ani v případě vysoké pravděpodobnosti major mutací zjištěné cestou například BOADICEA modelu. Tyto ženy by měly být poučeny o samovyšetření prsu, možných změnách životního stylu a doplňujících vyšetřeních zobrazovacími metodami –⁠ UZ prsu à 1 rok, inciální mamografie ve 40 letech věku. Těmto pacientkám může být doporučena konzultace klinickým genetikem, ale pouze v režimu samoplátkyň. Pro tuto kohortu pacientek se zdá být slibné v zahraničí uplatňované testování PRS, při němž je materiál na genetické testování získán neinvazivním vyšetřením ze slin. Dodatečné informace o kumulativní genetické zátěži mohou přispět k přeřazení pacientek buď ve smyslu rizika vyššího či nižšího, a dodatečně tak stanovit indikaci ke genetickému vyšetření, či naopak zařazení do screeningového programu po 45. roce života (MyPebs viz níže). Tato doporučení odpovídají doporučením zahraničním. Je třeba upozornit na to, že různé odborné společnosti se v metodách dispenzarizace rozcházejí. Žádný globální konsenzus neexistuje.

Současná podoba screeningového programu nezohledňuje individuální rizika pacientek. Stratifikace pacientek dle rizika je v ambulancích většiny poskytovatelů péče okrajovou záležitostí, a to i přesto že karcinom prsu představuje nejčastější gynekologickou malignitu. Ambulantní gynekolog by měl pacientkám s obavami z nádorového onemocnění popsat jejich individuální riziko, což pro celou řadu pacientek může vést ke snížení úzkosti. Tento fakt může ve výsledku vést k úbytku vyšetření pacientek zobrazovacími metodami a odlehčení mamocenter, stejně tak i k modifikacím životního stylu a dalšímu snížení rizika (schéma 1).

 

Předpokládaný další vývoj

Jak již bylo několikrát zmíněno výše, jedna ze sedmi žen v ČR s karcinomem prsu je mladší 45 let [3]. Nedospěje tedy ani k prvnímu pravidelnému mamografickému screeningu. Přibližně 1 ze 160 screeningových vyšetření je pozitivní. Tato fakta otvírají otázku možné úpravy screeningových vyšetření ve prospěch individualizované medicíny. Nadějnou se v současnosti zdá EU dotovaná studie MyPeBS –⁠ My Personalising Breast Screening. Jedná se o multicentrickou studii pro ženy dobrovolnice mezi 40. a 70. rokem života bez anamnézy karcinomu prsu. Design studie viz schéma níže. Predikčním modelem pro experimentální rameno je IBISv8 model, který operuje s PRS odebíraným ze slin. Možným výstupem studie je personalizovaný screening karcinomu prsu, který by potenciálně mohl nabídnout nižší ekonomickou zátěž zdravotnického systému, u rizikových pacientek pak časnější záchyt malignity a u pacientek nízkorizikových pak snížení radiační zátěže a přínos pro psychickou pohodu. ČR se do této studie bohužel zapojit nemůže. Detaily na webu Home Page –⁠ MyPeBS. Nadějná se ukazuje i implementace metod umělé inteligence (AI) a hlubokého učení (deep learning) k predikci rizika vzniku karcinomu prsu i do zlepšování přesnosti zobrazovacích metod, zejména mamografie. AI nabízí možnost komplexní analýzy rozsáhlých a různorodých datových souborů –⁠ od osobní a rodinné anamnézy, genetických údajů přes výstupy z mamografického screeningu až po klinicko-patologické charakteristiky. Tento multimodální přístup umožnil v některých studiích dosáhnout prediktivní hodnoty až 0,89, což významně převyšuje schopnosti většiny ostatních modelů. AI se ukázala jako efektivnější v predikci rizika u nosiček BRCA1/2 mutací a dalších vysoce penetrujících genů než konvenční modely, především díky schopnosti pracovat s komplexními interakcemi mezi stovkami genetických polymorfizmů. Významně rovněž přispívá ke zpřesnění klasifikace rizika na základě radiologických znaků, zejména hodnocení mamografické denzity a jiných obrazových parametrů [38,39]. V oblasti zobrazovacích metod vykazují algoritmy založené na AI vysokou senzitivitu i specificitu při rozpoznávání podezřelých ložisek. Rentiyova studie ukázala, že samostatné využití AI vedlo ke zvýšení detekce novotvarů prsu o 4 % oproti standardnímu hodnocení radiologem. Ještě vyšší účinnost byla zaznamenána při kombinovaném hodnocení („double reading“) radiologem a AI, kde došlo až ke 21% nárůstu počtu abnormálních nálezů ve srovnání s tradičním jednočlenným čtením [40]. Nejvyužívanějšími jsou v současnosti AI systémy Transpara [41] a Lunit INSIGHT MMG či vyvíjející se systém deep learnign Mirai [42].

 

Závěr

Predikční modely pro stratifikaci rizika vzniku karcinomu prsu představují klíčový nástroj v rámci moderní prevence, časné detekce a personalizace screeningové péče. Jejich správné použití umožňuje identifikaci rizikových žen, které mohou profitovat z personalizovaných screeningových vyšetření, genetického poradenství či eventuální chemoprevence. Možným výsledkem pak je zefektivnění a individualizace screeningových programů. Z porovnání jednotlivých modelů vyplývá, že zatímco Gail model nabízí snadno dostupný a rychlý odhad rizika, jeho omezená přesnost, zejména u žen s výraznější genetickou zátěží, snižuje jeho praktické využití. Tyrer-Cuzick model (IBIS) představuje výrazný pokrok díky širšímu spektru zahrnutých proměnných, vč. rodinné anamnézy druhého stupně, genetických faktorů, denzity prsní tkáně a nově i PRS. Tento model vykazuje vysokou prediktivní přesnost a flexibilitu, a je tak vhodný pro screening v rutinní ambulantní praxi. BOADICEA je nejkomplexnějším nástrojem v oblasti genetické predikce a je obzvláště cenný v prostředí genetických ambulancí. Jeho schopnost odhadnout riziko nosičství specifických patogenních variant spolu s rizikem onemocnění činí z modelu důležitý prvek rozhodování o genetickém testování a preventivních intervencích. Nové verze tohoto modelu (CanRisk) dále integrují PRS a zobrazovací parametry, čímž významně rozšiřují jeho aplikovatelnost. Polygenic risk score (PRS) se do budoucna jistě stanou nedílnou součástí preventivních mamologických vyšetření. Nutnost kalibrace pro jiná než kavkazská etnika zůstává významnou výzvou do budoucna. Umělá inteligence a metody hlubokého učení dále posouvají hranice predikce, zejména v oblasti analýzy obrazových dat a kombinace multimodálních vstupů. Přestože jejich klinické zavedení vyžaduje další validaci, ukazují se jako vysoce výkonné nástroje s potenciálem transformovat preventivní onkologii. Velké naděje jsou vkládány do projektu MyPeBS, který by v budoucnu mohl proměnit zavedené screeningové programy ve prospěch personalizované medicíny. Závěrem lze konstatovat, že žádný model není univerzálně aplikovatelný pro všechny ženy. Volba predikčního nástroje by měla být vedena klinickým kontextem, dostupností genetických dat a etnickou příslušností pacientky. Lze očekávat vývoj ve prospěch individualizovaného přístupu k pacientkám na základě kalkulace rizik dle kombinace všech dostupných dat vč. genetického testování. Lze zároveň předpokládat vzrůstající roli AI v rámci diagnostiky i predikce. Pro klinickou praxi se nejvhodnějším zdá IBIS model, který mohou pacientky jednoduše vyplnit v domácím prostředí a zaslat svému ošetřujícímu lékaři. Ten pak může zajistit další následnou péči cestou klinické genetiky či přímo pacientku odeslat ke genetickémutestování.