Model Prediksi Risiko Kanker Payudara: Akurasi Terbatas Pada Wanita Dengan Riwayat Keluarga

Table of Contents

INFOLABMED.COM - - Akurasi Model Prediksi Risiko Kanker Payudara yang Terbatas pada Wanita dengan Riwayat Keluarga Penyakit: Sebuah tinjauan komprehensif Cochrane yang dipresentasikan pada Pertemuan Tahunan ASCO 2026 memberikan gambaran yang mengkhawatirkan mengenai efektivitas model prediksi risiko kanker payudara yang saat ini digunakan secara luas. Studi ini menyarankan bahwa model-model tersebut hanya menawarkan akurasi yang moderat dalam mengidentifikasi wanita dengan riwayat keluarga kanker payudara yang kelak akan mengembangkan penyakit tersebut.

Meskipun beberapa model menunjukkan kinerja yang lebih baik dibandingkan yang lain, para peneliti menyimpulkan bahwa belum ada model yang cukup akurat untuk sepenuhnya mendukung pengambilan keputusan berbasis risiko yang dipersonalisasi.

Bagi wanita yang memiliki riwayat kanker payudara dalam keluarga, penilaian risiko formal sering kali ditawarkan untuk memperkirakan kemungkinan mereka mengembangkan penyakit ini. Estimasi risiko ini berperan penting dalam memandu keputusan klinis yang krusial.

Namun, hingga kini masih terdapat ketidakpastian mengenai model mana yang paling efektif untuk populasi berisiko lebih tinggi ini. Untuk menjawab pertanyaan ini, para peneliti dari Trinity College Dublin, St James’s Hospital, dan institusi kolaborator lainnya melakukan tinjauan yang mereka klaim sebagai yang paling komprehensif hingga saat ini terkait model risiko kanker payudara yang digunakan pada wanita dengan riwayat keluarga penyakit tersebut.

Investigasi ini menganalisis 45 studi yang mengevaluasi kinerja berbagai model prediksi risiko dan menilai seberapa akurat model-model tersebut dalam memprediksi risiko kanker payudara di masa depan.

Evaluasi Mendalam Empat Model Utama dan Keterbatasan Diskriminasi: Temuan kunci dari tinjauan Cochrane ini menyoroti empat model yang memiliki data terpublikasi yang memadai untuk evaluasi mendalam: Gail Breast Cancer Risk Assessment Tool (BCRAT), Tyrer-Cuzick (IBIS), BOADICEA, dan BRCAPRO. Di antara keempat model ini, model BOADICEA menunjukkan kinerja keseluruhan yang paling seimbang.

Baik BOADICEA maupun model Gail menghasilkan estimasi risiko yang secara umum mendekati jumlah kasus kanker payudara yang diamati dalam studi-studi yang dianalisis. Sebaliknya, model Tyrer-Cuzick cenderung melebih-lebihkan risiko, sementara BRCAPRO umumnya meremehkan risiko.

Lebih lanjut, tinjauan ini juga menilai akurasi diskriminatif, yaitu kemampuan model untuk membedakan antara wanita yang kemudian mengembangkan kanker payudara dan yang tidak. Meskipun keempat model menunjukkan nilai prediktif tertentu, kinerja diskriminatif mereka hanya bersifat moderat.

Tidak ada satu pun model yang mendekati tingkat akurasi yang dibutuhkan untuk mempersonalisasi perawatan secara andal.

Implikasi Klinis dan Kebutuhan Pengembangan Lebih Lanjut: Sarah McGarrigle, MD, penulis utama studi, mencatat bahwa temuan ini mengklarifikasi kekuatan sekaligus keterbatasan pendekatan saat ini dalam prediksi risiko kanker payudara. "Alat-alat ini sudah banyak digunakan dalam praktik klinis, dan kini kita memiliki gambaran yang lebih jelas tentang akurasi mereka pada wanita dengan riwayat keluarga kanker payudara," ujarnya.

"Temuan kami menunjukkan bahwa alat-alat ini memiliki nilai dalam mendukung penilaian risiko, dan hal itu menggembirakan, tetapi kita masih memiliki jalan panjang untuk ditempuh." Para peneliti menekankan bahwa peningkatan prediksi risiko tetap menjadi tujuan penting, terutama bagi wanita dengan risiko familial yang meningkat. Elizabeth Connolly, MD, penulis senior, menyatakan bahwa estimasi risiko yang akurat sangat penting karena memengaruhi keputusan mengenai intensitas skrining dan intervensi pencegahan.

Ia menambahkan bahwa meskipun kemajuan telah dicapai, diperlukan lebih banyak upaya untuk memastikan bahwa klinisi dan pasien dapat mengandalkan informasi yang paling presisi yang tersedia saat membuat keputusan-keputusan penting ini.

Keterbatasan akurasi model prediksi risiko kanker payudara pada wanita dengan riwayat keluarga penyakit menunjukkan adanya kebutuhan mendesak untuk mengembangkan alat yang lebih canggih dan spesifik. Hal ini krusial untuk memberikan panduan yang lebih tepat sasaran dalam strategi pencegahan, deteksi dini, dan penatalaksanaan pasien.

Para ilmuwan terus berupaya untuk menyempurnakan model-model yang ada dan mencari biomarker baru yang dapat meningkatkan prediktabilitas risiko kanker payudara, sehingga pada akhirnya dapat berkontribusi pada hasil kesehatan yang lebih baik bagi wanita.

FAQ (Tanya Jawab):

Apa temuan utama dari tinjauan Cochrane tentang model prediksi risiko kanker payudara? Temuan utamanya adalah bahwa model prediksi risiko kanker payudara yang umum digunakan memiliki akurasi yang moderat atau terbatas pada wanita dengan riwayat keluarga penyakit. Belum ada model yang cukup akurat untuk sepenuhnya mendukung pengambilan keputusan klinis yang dipersonalisasi.

Model prediksi risiko kanker payudara mana saja yang dievaluasi dalam tinjauan ini? Empat model yang dievaluasi secara mendalam adalah Gail Breast Cancer Risk Assessment Tool (BCRAT), Tyrer-Cuzick (IBIS), BOADICEA, dan BRCAPRO.

Model mana yang menunjukkan kinerja paling seimbang? Model BOADICEA menunjukkan kinerja keseluruhan yang paling seimbang di antara keempat model yang dievaluasi.

Mengapa akurasi model prediksi risiko kanker payudara penting bagi wanita dengan riwayat keluarga? Akurasi yang tinggi penting karena estimasi risiko yang tepat memengaruhi keputusan klinis mengenai intensitas skrining (seperti frekuensi mamografi) dan pertimbangan intervensi pencegahan (seperti penggunaan obat-obatan tertentu), yang semuanya bertujuan untuk mendeteksi kanker lebih awal atau mengurangi risiko pengembangannya.

Apa langkah selanjutnya yang direkomendasikan oleh para peneliti? Para peneliti menekankan perlunya upaya berkelanjutan untuk meningkatkan prediksi risiko, terutama bagi wanita yang berada pada risiko familial yang lebih tinggi, agar klinisi dan pasien dapat mengandalkan informasi yang paling presisi dalam pengambilan keputusan.