Kunstig intelligens-basert metode kan bidra til å forutsi tidlig stadium av melanom-residiv

Kunstig intelligens-basert metode kan bidra til å forutsi tidlig stadium av melanom-residiv

De fleste dødsfall fra melanom - den dødeligste formen for hudkreft - forekommer hos pasienter som først ble diagnostisert med melanom i tidlig stadium og senere opplevde et tilbakefall, som vanligvis ikke oppdages før det har spredt seg eller metastasert.

Et team ledet av forskere ved Massachusetts General Hospital (MGH) utviklet nylig en kunstig intelligens-basert metode for å forutsi hvilke pasienter som mest sannsynlig vil oppleve et tilbakefall og derfor sannsynligvis vil ha nytte av aggressiv behandling. Metoden ble validert i en studie publisert i npj Precision Oncology.

De fleste pasienter med melanom i tidlig stadium behandles med kirurgi for å fjerne kreftceller, men pasienter med avansert kreft får ofte immunsjekkpunkthemmere, som er effektive for å øke immunresponsen mot tumorceller, men som også har betydelige bivirkninger.

Det er et presserende behov for å utvikle prediktive verktøy for å hjelpe til med utvelgelsen av høyrisikopasienter for hvem fordelene med immunkontrollpunkthemmere vil rettferdiggjøre den høye frekvensen av patologiske og potensielt dødelige uønskede immunologiske hendelser observert med denne klassen av terapeutiske midler."

Yevgeniy R. Semenov, MD, seniorforfatter, etterforsker, Institutt for dermatologi ved MGH

"Pålitelig prediksjon av tilbakefall av melanom kan muliggjøre mer nøyaktig behandlingsvalg for immunterapi, redusere metastatisk sykdomsprogresjon og forbedre overlevelse av melanom samtidig som eksponering for behandlingstoksisitet minimeres."

For å oppnå dette evaluerte Semenov og hans kolleger effektiviteten til algoritmer basert på maskinlæring, en gren av kunstig intelligens som bruker data fra elektroniske helsejournaler for å forutsi tilbakefall av melanom.

Spesifikt samlet teamet 1720 melanomer i tidlig stadium - 1172 fra Mass General Brigham Healthcare System (MGB) og 548 fra Dana-Farber Cancer Institute (DFCI) - og hentet ut 36 kliniske og patologiske trekk ved disse kreftformene fra elektroniske helsejournaler for å forutsi risikoen for tilbakefall av pasienter med mekaniske mekanismer. Algoritmer ble utviklet og validert ved bruk av forskjellige MGB- og DFCI-pasientsett, og tumortykkelse og frekvens for kreftcelledeling ble identifisert som de mest prediktive egenskapene.

"Vår omfattende risikoprediksjonsplattform, som bruker nye maskinlæringsmetoder for å bestemme risikoen for tilbakefall av melanom i tidlig stadium, oppnådde et høyt nivå av klassifisering og tid-til-hendelse prediksjonsnøyaktighet," sier Semenov. "Våre resultater tyder på at maskinlæringsalgoritmer kan trekke ut prediktive signaler fra klinikopatologiske funksjoner for prediksjon av tilbakefall av melanom i tidlig stadium, noe som vil muliggjøre identifisering av pasienter som kan ha nytte av adjuvant immunterapi."

Kilde:

Massachusetts General Hospital

Referanse:

Wan, G., et al. (2022) Prediksjon av tilbakefall av melanom i tidlig stadium basert på kliniske og histopatologiske trekk. npj Presisjonsonkologi. doi.org/10.1038/s41698-022-00321-4.

.