统计模型常见仅用于预测女性患乳腺癌的风险是不准确的根据梅奥诊所2008年10月14日发表在《美国医学杂志》上的一项新研究，对患有非典型增生的女性进行评估。
不典型增生(异型)是指乳腺组织中异常细胞的增加，可能会癌变。
盖尔模型计算了女性在未来五年内患上浸润性乳腺癌的概率，以及到90岁时的概率。该模型以其开发者米切尔·盖尔的名字命名，他是美国国家癌症研究所的研究员，医学博士。该模型最初的目的是确定参与乳腺癌化学预防研究的高危妇女群体。但该模型已被用于临床环境，以咨询个人患乳腺癌的风险。预测个人层面的风险要比预测整个群体的平均风险更具挑战性。
梅奥诊所统计学家、该研究的首席研究员Shane Pankratz博士说:“人们一直认为这种模式对非典型性女性很有效，但这从未得到证实。”“我们发现，对于非典型性女性群体，该模型预测的浸润性乳腺癌明显少于实际观察到的，而且我们还观察到，该模型无法可靠地识别出实际上患乳腺癌风险较高的女性。”
Gail模型考虑了女性的乳腺癌家族史、年龄、月经开始和首次活产的年龄，以及接受乳腺活检的次数和活检中发现的非典型增生的存在。因可疑肿块或其他乳房问题接受活组织检查的女性中，约有5%患有异型性。大约25%的非典型性患者会在25年内患上癌症。
梅奥诊所的研究人员在1967年至1991年间对331名患有非典型性的女性进行了盖尔模型测试，这些女性在梅奥诊所接受了良性乳房活检。在这些女性中，58人在平均13.7年的随访期间患上了癌症。相比之下，该模型预测34.9名女性在这段时间内会患上乳腺癌。
利用这些数据和其他数据，研究人员还使用一致性统计(c-statistic)计算了模型对个体的表现，这反映了乳腺癌事件的实际时间与模型预测的吻合程度。如果预测不优于随机概率，则c统计量为0.5;如果预测与实际结果完全一致，则c统计量为1.0。在这项研究中，c-统计值为0.5，反映了盖尔模型在预测哪些具有非典型性的女性会发展为浸润性乳腺癌方面并不比抛硬币更好。
当在不考虑异型性的情况下对其他组的女性进行评估时，Gail模型通常表现得更好。在这种情况下，它已经被证明可以预测后来发生的乳腺癌的数量大致相同。
梅奥诊所肿瘤学家、该研究的共同研究者林恩·哈特曼(Lynn Hartmann)医学博士说，人们对预测乳腺癌风险有着浓厚的兴趣。例如，发布在国家癌症研究所网站(http://www.cancer.gov/bcrisktool/)上的盖尔模型每月吸引2.5万名观众。
哈特曼博士说:“医生建议高危妇女进行更频繁或更密切的监测，或考虑使用他莫昔芬或雷洛昔芬等化学预防策略。”“在做出这样的决定时，女性和她们的医生必须有高度可靠的风险估计。”
研究人员正在寻找其他途径来更好地预测个人风险。此前，梅奥诊所的研究人员发现，在乳房活检中发现多处细胞异型的女性患乳腺癌的风险显著增加。在今年早些时候发表的一项研究中，梅奥的研究人员发现，异型组织表达COX-2酶的女性更有可能患上乳腺癌，而且COX-2水平越高，风险越高。
