Kan AI een nauwkeurigere prognose voor kanker opleveren?
Door Elizabeth Millard
1 september 2022 - Het is moeilijk om uit te vinden hoe de weg voor een kankerpatiënt eruit zal zien. Er wordt met veel gegevens rekening gehouden, zoals de gezondheid en de familiegeschiedenis van de patiënt, de graad en het stadium van de tumor en de kenmerken van de kankercellen. Maar uiteindelijk komen de vooruitzichten neer op gezondheidswerkers die de feiten analyseren.
Dat kan leiden tot "grootschalige variabiliteit", zegt Faisal Mahmood, PhD, assistent-professor in de divisie Computational Pathology van het Brigham and Women's Hospital. Patiënten met vergelijkbare kankers kunnen zeer verschillende prognoses krijgen, waarbij sommige meer (of minder) accuraat zijn dan andere, zegt hij.
Daarom ontwikkelden hij en zijn team een programma met kunstmatige intelligentie (AI) dat een objectievere - en mogelijk nauwkeurigere - beoordeling kan vormen. Het doel van het onderzoek was na te gaan of de AI een werkbaar idee was, en de resultaten van het team zijn gepubliceerd in Cancer Cell.
En omdat prognose de sleutel is bij het bepalen van behandelingen, zou meer nauwkeurigheid meer behandelsucces kunnen betekenen, zegt Mahmood.
"[Deze technologie] heeft het potentieel om objectievere risicobeoordelingen en vervolgens objectievere behandelingsbeslissingen te genereren," zegt hij.
De AI bouwen
De onderzoekers ontwikkelden de AI met behulp van gegevens uit The Cancer Genome Atlas, een openbare catalogus met profielen van verschillende vormen van kanker.
Hun algoritme voorspelt de gevolgen van kanker op basis van histologie (een beschrijving van de tumor en hoe snel de kankercellen waarschijnlijk zullen groeien) en genomica (met behulp van DNA-sequenties om een tumor op moleculair niveau te evalueren). Histologie is al meer dan 100 jaar de diagnostische standaard, terwijl genomics steeds meer wordt gebruikt, aldus Mahmood.
"Beide worden nu algemeen gebruikt voor diagnose in grote kankercentra," zegt hij.
Om het algoritme te testen, kozen de onderzoekers de 14 kankertypes met de meeste beschikbare gegevens. Wanneer histologie en genomica werden gecombineerd, gaf het algoritme nauwkeurigere voorspellingen dan met beide informatiebronnen alleen.
Niet alleen dat, maar de AI gebruikte ook andere markers - zoals de immuunrespons van de patiënt op de behandeling - zonder dat de onderzoekers dat te horen kregen. Dit zou kunnen betekenen dat de AI nieuwe markers kan ontdekken die we nog niet kennen, aldus Mahmood.
Wat is de volgende stap?
Hoewel er meer onderzoek nodig is - inclusief grootschalige tests en klinische proeven - is Mahmood ervan overtuigd dat deze technologie ooit voor echte patiënten zal worden gebruikt, waarschijnlijk in de komende 10 jaar.
"In de toekomst zullen we grootschalige AI-modellen zien die gegevens van meerdere modaliteiten kunnen verwerken", zegt hij, zoals radiologie, pathologie, genomica, medische dossiers en familiegeschiedenis.
Hoe meer informatie de AI kan verwerken, hoe nauwkeuriger de beoordeling zal zijn, aldus Mahmood.
"Dan kunnen we het patiëntenrisico continu beoordelen op een computationele, objectieve manier."