KI sporer metastatiske cancere til deres opprinnelse

Typisk for kreftsvulster av ukjent opprinnelse er at de ofte er preget av tidlig spredning, aggressivt klinisk forløp og involvering av flere organer.

Vanligvis avgjør patologene hvilken krefttype som foreligger, basert på kreftcellenes utseende ved mikroskopi og andre egenskaper (immunohistokjemi). Færre enn 30 prosent av kreftsvulster av ukjent opprinnelse kan imidlertid identifiseres ved hjelp av cocktailer av omtrent 20 forskjellige immunfargingsmetoder^1-2. Til tross for bruk av en rekke kombinerte kjemoterapier, oppnår bare 20 prosent av de med kreft av ukjent opprinnelse en median overlevelse på 10 måneder^{1, 3}.

I en nyhetsartikkel i Nature News⁴ meldes det at det er utviklet et verktøy basert på kunstig intelligens (KI) som overgår patologer når det gjelder å identifisere opprinnelsen til metastatiske kreftceller som sirkulerer i kroppen. Et slikt verktøy kan bidra til sikrere diagnoser og bedre behandling av langtkommen kreftsykdom og forlenge pasienters liv.

Kinesiske forskere har utviklet en algoritme som analyserer de mikroskopiske cellebildene og predikerer opprinnelsen til kreften. Resultatene er publisert i Nature Medicine⁵.

Forskerne trente KI-modellen sin på rundt 30 000 bilder av celler funnet i abdominal- eller lungevæske fra 21 000 mennesker hvis opprinnelsessvulst var kjent. De testet deretter modellen sin på 27 000 bilder og fant ut at modellen med en nøyaktighet på 83 prosent kunne forutsi kilden til svulsten. Og det var en 99 prosent sjanse for at kilden til svulsten var inkludert i modellens topp tre spådommer. Modellen var bedre enn patologene til å finne opprinnelsen til tumorene.

Gevinsten med slike prediksjoner er at pasienten behøver å gjennomgå færre undersøkelser, også invasive. Modellen fungerer imidlertid ikke for alle krefttyper, fordi eksempelvis prostatakreft og nyrekreft ikke sprer seg til abdominal- eller lungevæske.

I den aktuelle studien undersøkte forskerne 391 pasienter som hadde fått kreftbehandling fire år tidligere. De fant at de som hadde fått behandling for den typen kreft som modellen spådde, hadde større sannsynlighet for å ha overlevd, og levd lenger, enn deltakere som prediksjonen ikke stemte for.

Forskerne arbeider med å forbedre algoritmen slik at prediksjonene kan basere seg på både vevsprøver og genomiske data.