Metoda oparta na sztucznej inteligencji może pomóc w przewidywaniu nawrotów czerniaka we wczesnym stadium

Metoda oparta na sztucznej inteligencji może pomóc w przewidywaniu nawrotów czerniaka we wczesnym stadium

Większość zgonów z powodu czerniaka – najbardziej śmiertelnej postaci raka skóry – ma miejsce u pacjentów, u których początkowo zdiagnozowano czerniaka we wczesnym stadium, a później u których wystąpił nawrót, który zazwyczaj nie jest wykrywany do czasu rozprzestrzenienia się lub powstania przerzutów.

Zespół kierowany przez naukowców z Massachusetts General Hospital (MGH) opracował niedawno metodę opartą na sztucznej inteligencji, aby przewidzieć, którzy pacjenci z największym prawdopodobieństwem doświadczą nawrotu choroby i w związku z tym odniosą korzyści z agresywnego leczenia. Metoda została zwalidowana w badaniu opublikowanym w npj Precision Oncology.

Większość pacjentów z czerniakiem we wczesnym stadium jest leczona operacyjnie w celu usunięcia komórek nowotworowych, ale pacjenci z zaawansowanym nowotworem często otrzymują inhibitory punktów kontrolnych układu odpornościowego, które skutecznie wzmacniają odpowiedź immunologiczną przeciwko komórkom nowotworowym, ale mają także znaczące skutki uboczne.

Istnieje pilna potrzeba opracowania narzędzi prognostycznych pomagających w selekcji pacjentów wysokiego ryzyka, u których korzyści ze stosowania inhibitorów punktów kontrolnych układu odpornościowego uzasadniałyby wysoki odsetek patologicznych i potencjalnie śmiertelnych niepożądanych zdarzeń immunologicznych obserwowanych w przypadku tej klasy leków”.

Yevgeniy R. Semenov, MD, starszy autor, badacz, Klinika Dermatologii MGH

„Wiarygodne przewidywanie nawrotu czerniaka może umożliwić dokładniejszy dobór leczenia w ramach immunoterapii, zmniejszyć progresję choroby z przerzutami i poprawić przeżycie czerniaka, minimalizując jednocześnie narażenie na toksyczność leczenia”.

Aby to osiągnąć, Semenov i jego współpracownicy ocenili skuteczność algorytmów opartych na uczeniu maszynowym – gałęzi sztucznej inteligencji, która wykorzystuje dane z elektronicznej dokumentacji zdrowotnej do przewidywania nawrotu czerniaka.

W szczególności zespół zebrał 1720 czerniaków we wczesnym stadium – 1172 z Mass General Brigham Healthcare System (MGB) i 548 z Dana-Farber Cancer Institute (DFCI) – i wyodrębnił 36 cech klinicznych i patologicznych tych nowotworów z elektronicznej dokumentacji zdrowotnej, aby przewidzieć ryzyko nawrotu choroby u pacjentów za pomocą algorytmów uczenia mechanicznego. Opracowano i zweryfikowano algorytmy przy użyciu różnych zestawów pacjentów z MGB i DFCI, a grubość guza i tempo podziału komórek nowotworowych uznano za cechy najbardziej predykcyjne.

„Nasza wszechstronna platforma przewidywania ryzyka, która wykorzystuje nowatorskie podejścia do uczenia maszynowego w celu określenia ryzyka nawrotu czerniaka we wczesnym stadium, osiągnęła wysoki poziom klasyfikacji i dokładności przewidywania czasu do wystąpienia zdarzenia” – mówi Semenov. „Nasze wyniki sugerują, że algorytmy uczenia maszynowego mogą wyodrębniać sygnały predykcyjne z cech kliniczno-patologicznych w celu przewidywania nawrotu czerniaka we wczesnym stadium, co umożliwi identyfikację pacjentów, którzy mogą odnieść korzyść z immunoterapii uzupełniającej”.

Źródło:

Szpital Ogólny w Massachusetts

Odniesienie:

Wan, G. i in. (2022) Przewidywanie nawrotu czerniaka we wczesnym stadium na podstawie cech klinicznych i histopatologicznych. npj Onkologia Precyzyjna. doi.org/10.1038/s41698-022-00321-4.

.