Kunstig intelligens-baseret metode kan hjælpe med at forudsige tilbagefald af melanom i tidlige stadier

Kunstig intelligens-baseret metode kan hjælpe med at forudsige tilbagefald af melanom i tidlige stadier

De fleste dødsfald som følge af melanom - den mest dødelige form for hudkræft - forekommer hos patienter, der oprindeligt blev diagnosticeret med melanom i et tidligt stadium og senere oplevede et tilbagefald, som typisk ikke opdages, før det har spredt sig eller metastaseret.

Et hold ledet af forskere ved Massachusetts General Hospital (MGH) udviklede for nylig en kunstig intelligens-baseret metode til at forudsige, hvilke patienter der er mest tilbøjelige til at opleve et tilbagefald og derfor sandsynligvis vil drage fordel af aggressiv behandling. Metoden blev valideret i en undersøgelse offentliggjort i npj Precision Oncology.

De fleste patienter med melanom i tidligt stadie behandles med operation for at fjerne kræftceller, men patienter med fremskreden kræft får ofte immun checkpoint-hæmmere, som er effektive til at booste immunresponset mod tumorceller, men som også har betydelige bivirkninger.

Der er et presserende behov for at udvikle prædiktive værktøjer til at hjælpe med udvælgelsen af ​​højrisikopatienter, for hvem fordelene ved immuncheckpoint-hæmmere ville retfærdiggøre den høje frekvens af patologiske og potentielt fatale uønskede immunologiske hændelser observeret med denne klasse af terapeutiske midler."

Yevgeniy R. Semenov, MD, seniorforfatter, investigator, Dermatologisk afdeling ved MGH

"Plidelig forudsigelse af tilbagefald af melanom kan muliggøre mere præcis behandlingsvalg til immunterapi, reducere metastatisk sygdomsprogression og forbedre overlevelse af melanom, samtidig med at eksponeringen for behandlingstoksiciteter minimeres."

For at opnå dette evaluerede Semenov og hans kolleger effektiviteten af ​​algoritmer baseret på maskinlæring, en gren af ​​kunstig intelligens, der bruger data fra elektroniske sundhedsjournaler til at forudsige tilbagefald af melanom.

Specifikt indsamlede holdet 1.720 melanomer i tidlige stadier - 1.172 fra Mass General Brigham Healthcare System (MGB) og 548 fra Dana-Farber Cancer Institute (DFCI) - og udtrak 36 kliniske og patologiske træk ved disse kræftformer fra elektroniske sundhedsjournaler for at forudsige risikoen for tilbagefald af patienter med mekanismer. Algoritmer blev udviklet og valideret ved hjælp af forskellige MGB- og DFCI-patientsæt, og tumortykkelse og cancercelledelingshastighed blev identificeret som de mest prædiktive funktioner.

"Vores omfattende risikoforudsigelsesplatform, som bruger nye maskinlæringstilgange til at bestemme risikoen for tilbagefald af melanom i tidlige stadier, opnåede et højt niveau af klassificering og tid-til-hændelse forudsigelse," siger Semenov. "Vores resultater tyder på, at maskinlæringsalgoritmer kan udtrække prædiktive signaler fra klinikopatologiske funktioner til forudsigelse af tilbagefald af melanom i tidlige stadier, hvilket vil muliggøre identifikation af patienter, der kan have gavn af adjuverende immunterapi."

Kilde:

Massachusetts General Hospital

Reference:

Wan, G., et al. (2022) Forudsigelse af tilbagefald af melanom i tidligt stadium baseret på kliniske og histopatologiske træk. npj Præcisionsonkologi. doi.org/10.1038/s41698-022-00321-4.

.