Skip to main content

 

Multimodal AI-model forbedrer risikostratificering ved tidlig brystkræft

Skrevet af Bo Karl Christensen den . Skrevet i Brystkræft.

SABCS: En ny multimodal AI-model, som kombinerer kliniske data, molekylære profiler og digitale vævsbilleder, giver mere præcis prognose for tilbagefald hos kvinder med HR-positiv, HER2-negativ tidlig brystkræft end genekspressionstesten Oncotype DX. AI-modellen kan samtidig bedre identificere både tidlige og sene recidiver.

Det viser et nyt studie præsenteret på San Antonio Breast Cancer Symposium (SABCS) 2025 (abstract #GS1-08), hvor forskerne udviklede og validerede en række modeller baseret på data fra 4.462 tumorprøver fra TAILORx-studiet (digitaliserede H&E-snit, RNA-ekspressionsdata og kliniske karakteristika). 

Forskerne trænede først enkeltmodalitetsmodeller, derefter dobbeltmodeller og til sidst multimodale modeller. ICM+ – en kombination af billedanalyse, kliniske data og et udvidet molekylært panel – leverede den bedste prognostiske performance. I trænings- og krydsvalideringskohorten med lige over 2.800 prøver havde modellen et C-index på 0,705 for samlet risiko for fjernrecidiv ved 15 år mod 0,617 for Oncotype DX. For sene recidiver (>5 år) var forskellen markant (0,656 vs. 0,518).

Resultaterne blev bekræftet i en uafhængig valideringskohorte med 1.621 patienter (0,733 vs. 0,631 for samlet risiko; 0,705 vs. 0,527 for sene recidiver).

Ifølge forskerne skyldes forbedringen, at molekylære variable primært driver forudsigelsen af tidlige recidiver, mens histopatologiske billeddata styrker evnen til at identificere sene recidiver. Kombinationen gav en hazard ratio på 3,6 for højt mod lavt risikoniveau ved samlet fjernrecidiv (p<0,001) og 2,84 for sene recidiver (p<0,001) 

Forskerne udtaler i en pressemeddelelse: “Vores mål var at udvikle en ny diagnostisk test, der giver bedre prognostisk vurdering af recidivrisiko, herunder risiko for sene recidiver”.

De peger samtidig på, at teknologien kan gøre avanceret diagnostik mere tilgængelig: 

“AI-baserede værktøjer til analyse af vævsbilleder kan optages med scannere eller endda almindelige smartphones og analyseres centralt med minimale omkostninger.” 

Studiet var ikke designet til at forudsige effekt af kemoterapi eller forlænget endokrin behandling. Forskerne fremhæver dog, at modellen potentielt kan danne grundlag for en ny diagnostisk test til den store gruppe kvinder med HR-positiv, HER2-negativ, lymfeknudenegativ brystkræft.