Auf künstlicher Intelligenz basierende Methode kann helfen, Melanomrezidive im Frühstadium vorherzusagen
Die meisten Todesfälle durch Melanome – die tödlichste Form von Hautkrebs – ereignen sich bei Patienten, bei denen zunächst ein Melanom im Frühstadium diagnostiziert wurde und später ein Rezidiv auftrat, das typischerweise erst erkannt wird, wenn es sich ausgebreitet oder Metastasen gebildet hat.
Ein Team unter der Leitung von Forschern des Massachusetts General Hospital (MGH) hat kürzlich eine auf künstlicher Intelligenz basierende Methode entwickelt, um vorherzusagen, welche Patienten am wahrscheinlichsten ein Rezidiv erleiden und daher voraussichtlich von einer aggressiven Behandlung profitieren werden. Die Methode wurde in einer in npj Precision Oncology veröffentlichten Studie validiert.
Die meisten Patienten mit Melanomen im Frühstadium werden operativ behandelt, um Krebszellen zu entfernen, aber Patienten mit fortgeschrittenem Krebs erhalten häufig Immun-Checkpoint-Inhibitoren, die die Immunantwort gegen Tumorzellen wirksam stärken, aber auch erhebliche Nebenwirkungen haben.
Es besteht ein dringender Bedarf, Vorhersageinstrumente zu entwickeln, um bei der Auswahl von Hochrisikopatienten zu helfen, für die die Vorteile von Immun-Checkpoint-Inhibitoren die hohe Rate krankhafter und potenziell tödlicher unerwünschter immunologischer Ereignisse rechtfertigen würden, die bei dieser Therapeutikaklasse beobachtet werden.“
Yevgeniy R. Semenov, MD, leitender Autor, Prüfarzt, Abteilung für Dermatologie am MGH
„Eine zuverlässige Vorhersage des Wiederauftretens von Melanomen kann eine genauere Behandlungsauswahl für die Immuntherapie ermöglichen, das Fortschreiten einer metastasierten Erkrankung verringern und das Melanomüberleben verbessern, während gleichzeitig die Exposition gegenüber Behandlungstoxizitäten minimiert wird.“
Um dies zu erreichen, bewerteten Semenov und seine Kollegen die Wirksamkeit von Algorithmen, die auf maschinellem Lernen basieren, einem Zweig der künstlichen Intelligenz, der Daten aus elektronischen Patientenakten verwendet, um das Wiederauftreten von Melanomen vorherzusagen.
Insbesondere sammelte das Team 1.720 Melanome im Frühstadium – 1.172 vom Mass General Brigham Healthcare System (MGB) und 548 vom Dana-Farber Cancer Institute (DFCI) – und extrahierte 36 klinische und pathologische Merkmale dieser Krebsarten aus Electronic Health Aufzeichnungen zur Vorhersage des Rückfallrisikos von Patienten mit maschinellen Lernalgorithmen. Algorithmen wurden mit verschiedenen MGB- und DFCI-Patientensets entwickelt und validiert, und die Tumordicke und die Rate der Krebszellteilung wurden als die prädiktivsten Merkmale identifiziert.
„Unsere umfassende Risikovorhersageplattform, die neuartige maschinelle Lernansätze zur Bestimmung des Risikos eines Melanomrezidivs im Frühstadium verwendet, erreichte ein hohes Maß an Klassifizierungs- und Zeit-bis-Ereignis-Vorhersagegenauigkeit“, sagt Semenov. „Unsere Ergebnisse deuten darauf hin, dass maschinelle Lernalgorithmen prädiktive Signale aus klinisch-pathologischen Merkmalen für die Vorhersage von Melanomrezidiven im Frühstadium extrahieren können, was die Identifizierung von Patienten ermöglichen wird, die von einer adjuvanten Immuntherapie profitieren könnten.“
Quelle:
Allgemeines Krankenhaus von Massachusetts
Referenz:
Wan, G., et al. (2022) Vorhersage des Melanomrezidivs im Frühstadium anhand klinischer und histopathologischer Merkmale. npj Precision Onkologie. doi.org/10.1038/s41698-022-00321-4.
.
