Skip to main content

 

AI-analyse af immunceller kan forudsige brystkræftprognose

Skrevet af Signe Juul Kraft den . Skrevet i Brystkræft.

AI-analyse af en specifik gruppe immunceller kan forudsige prognosen ved triple-negativ brystkræft. Det viser forskning fra Karolinska Institutet i Sverige.

I studiet, der er offentliggjort i The Lancets publikation eClinicalMedicine, har de svenske forskere undersøgt, hvor godt forskellige AI-modeller kan forudsige prognosen ved triple-negativ brystkræft ved at analysere tumorinfiltrerende lymfocytter (en type immunceller, der spiller en vigtig rolle i kampen mod kræft) inde i tumoren. 

Forskerne i studiet testede ti forskellige AI-modeller og sammenlignede, hvor gode de var til at analysere tumorinfiltrerende lymfocytter i 79 vævsprøver fra patienter med triple-negativ brystkræft. AI-modellerne blev testet i en retrospektiv analytisk kohorte og i en uafhængig prospektiv kohorte for at sammenligne prognostisk validering mod invasiv sygdomsfri overlevelses-endepunkt ved gennemsnitlig fire års opfølgning. 

Resultaterne viste, at AI-modellerne havde forskellige analytiske evner. På trods af deres forskelle viste otte af de ti modeller gode prognostiske evner.

”Selv modeller trænet på færre prøver viste gode prognostiske evner, hvilket indikerer, at tumorinfiltrerende lymfocytter er en robust biomarkør,” siger Balazs Acs, forsker ved Onkologisk-Patologisk Afdeling, Karolinska Instituttet, i en pressemeddelelse.

Når tumor-infiltrerende lymfocytter findes i en tumor, betyder det, at immunsystemet forsøger at angribe og ødelægge kræftcellerne. Disse immunceller kan være vigtige for at forudsige, hvordan en patient med såkaldt triple-negativ brystkræft vil reagere på behandlingen, og hvordan sygdommen vil udvikle sig. Men når patologer vurderer immuncellerne, kan resultaterne variere. AI kan hjælpe med at standardisere og automatisere denne proces, men det har været svært at påvise, at AI fungerer godt nok til at blive brugt i sundhedsvæsenet.

Selvom resultaterne fra Karolinska Instituttet er lovende, understreger forskerne bag studiet, at store datasæt er nødvendige for at sammenligne og sikre pålideligheden af forskellige AI-værktøjer, før de kan implementeres i klinikken.