Extensive mammographic density is associated with an increased risk of breast cancer and makes the detection of cancer by mammography difficult, but the influence of density on risk according to method of cancer detection is unknown.We carried out three nested case-control studies in screened populations with 1112 matched case-control pairs. We examined the association of the measured percentage of density in the baseline mammogram with risk of breast cancer, according to method of cancer detection, time since the initiation of screening, and age.As compared with women with density in less than 10% of the mammogram, women with density in 75% or more had an increased risk of breast cancer (odds ratio, 4.7; 95% confidence interval [CI], 3.0 to 7.4), whether detected by screening (odds ratio, 3.5; 95% CI, 2.0 to 6.2) or less than 12 months after a negative screening examination (odds ratio, 17.8; 95% CI, 4.8 to 65.9). Increased risk of breast cancer, whether detected by screening or other means, persisted for at least 8 years after study entry and was greater in younger than in older women. For women younger than the median age of 56 years, 26% of all breast cancers and 50% of cancers detected less than 12 months after a negative screening test were attributable to density in 50% or more of the mammogram.Extensive mammographic density is strongly associated with the risk of breast cancer detected by screening or between screening tests. A substantial fraction of breast cancers can be attributed to this risk factor.

Journal Article Quantitative Classification of Mammographic Densities and Breast Cancer Risk: Results From the Canadian National Breast Screening Study Get access N. F. Boyd, N. F. Boyd 1Division of Preventive Oncology, The Ontario Cancer Treatment and Research Foundation, Ontario Cancer InstituteToronto, Canada Search for other works by this author on: Oxford Academic PubMed Google Scholar J. W. Byng, J. W. Byng 3Richmann Research Institute, Sunnybrook Health Sciences CentreToronto Search for other works by this author on: Oxford Academic PubMed Google Scholar R. A. Jong, R. A. Jong 4Department of Radiology, Mount Sinai HospitalToronto Search for other works by this author on: Oxford Academic PubMed Google Scholar E. K. Fishell, E. K. Fishell 5Department of Radiology, Women's College HospitalToronto Search for other works by this author on: Oxford Academic PubMed Google Scholar L. E. Little, L. E. Little 2Division of Epidemiology and Statistics, Ontario Cancer InstituteToronto, Canada Search for other works by this author on: Oxford Academic PubMed Google Scholar A. B. Miller, A. B. Miller 6Preventive Medicine and Biostatistics, University of Toronto Search for other works by this author on: Oxford Academic PubMed Google Scholar G. A. Lockwood, G. A. Lockwood 2Division of Epidemiology and Statistics, Ontario Cancer InstituteToronto, Canada Search for other works by this author on: Oxford Academic PubMed Google Scholar D. L. Tritchler, D. L. Tritchler 2Division of Epidemiology and Statistics, Ontario Cancer InstituteToronto, Canada Search for other works by this author on: Oxford Academic PubMed Google Scholar M. J. Yaffe M. J. Yaffe 3Richmann Research Institute, Sunnybrook Health Sciences CentreToronto Search for other works by this author on: Oxford Academic PubMed Google Scholar JNCI: Journal of the National Cancer Institute, Volume 87, Issue 9, 3 May 1995, Pages 670–675, https://doi.org/10.1093/jnci/87.9.670 Published: 03 May 1995 Article history Received: 31 May 1994 Revision received: 26 September 1994 Accepted: 23 February 1995 Published: 03 May 1995

Quantitative classification of mammographic parenchyma based on radiological assessment has been shown to provide one of the strongest estimates of the risk of developing breast cancer. Existing classification schemes, however, are limited by coarse category scales. In addition, subjectivity can lead to sizeable interobserver and intraobserver variations. Here, we propose an interactive thresholding technique applied to digitized film-screen mammograms, which assesses the proportion of the mammographic image representing radiographically dense tissue. Observers viewed images on a CRT display and selected grey-level thresholds from which the breast and regions of dense tissue in the breast were identified. The proportion of radiographic density was then calculated from the image histogram. The technique was evaluated for the mammograms of 30 women and is well correlated (R > 0.91, Spearman coefficient) with a six-category subjective classification of radiographic density by radiologists. The technique was found to be very reliable with an intraclass correlation coefficient between observers typically R > 0.9. This technique may have a role in routine mammographic analysis for the purpose of assessing risk categories and as a tool in studies of the etiology of breast cancer, in particular for monitoring changes in breast parenchyma during potential preventive interventions.