Nieuw AI-hulpmiddel verbetert respons op kankerbehandelingen: doorbraak voor agressieve tumoren

Leestijd: 2 minuten
Door Jan Vaart
- in
AI-model dat mRNA-profielen en weefselmonsters analyseert

AmsterdamEen nieuwe AI-tool genaamd DeepPT is ontwikkeld om kankerbehandelingen te verbeteren. Onderzoekers van The Australian National University (ANU) hebben deze technologie ontworpen om het mRNA-profiel van een patiënt te voorspellen, wat cruciaal is voor de aanmaak van eiwitten en het personaliseren van kankerzorg. DeepPT is tot stand gekomen met de steun van wetenschappers van het National Cancer Institute in Amerika en het farmaceutische bedrijf Pangea Biomed.

DeepPT heeft grote vooruitgangen geboekt in het voorspellen van hoe patiënten zullen reageren op kankerbehandelingen. In samenwerking met een andere tool, ENLIGHT, voorspelden ze nauwkeurig reacties bij verschillende soorten kanker. Dr. Danh-Tai Hoang van de ANU benadrukte dat het kiezen van de juiste behandeling cruciaal is voor patiëntuitkomsten, vooral bij agressieve kankers.

DeepPT werd getraind met een uitgebreide dataset:

  • 5.500 patiënten
  • 16 veelvoorkomende kankertypes—waaronder borst-, long-, hoofd-hals-, baarmoederhals-, en alvleesklierkanker

Met DeepPT zagen onderzoekers de respons bij patiënten stijgen van 33,3% naar 46,5%. Deze toename is significant en toont aan dat de tool effectief is in echte klinische omgevingen. Het AI-model bouwt voort op eerder werk van hetzelfde team om een hulpmiddel te ontwikkelen voor het classificeren van hersentumoren, wat een betrouwbare methode biedt voor toepassing bij andere typen kanker.

DeepPT onderscheidt zich doordat het gebruik maakt van histopathologische beelden, gedetailleerde foto's van weefsel van patiënten. Deze beelden zijn eenvoudig te verkrijgen, betaalbaar en snel te verwerken. Dit vermijdt lange wachttijden voor complexe moleculaire data, die weken kan duren. Snelle verwerking is bijzonder belangrijk voor patiënten met ernstige tumoren die directe behandeling nodig hebben.

DeepPT en ENLIGHT gebruiken klinische gegevens om voorspellingen te doen. Het gebruik van histopathologische afbeeldingen is vernieuwend omdat deze afbeeldingen al dagelijks in de medische praktijk worden gebruikt, wat integratie in de huidige workflows vergemakkelijkt. De hogere behandelingsresponsrate geeft aan dat AI belangrijk kan zijn voor gepersonaliseerde kankerbehandeling.

Deze studie gepubliceerd in Nature Cancer bevestigt de wetenschappelijke betrouwbaarheid ervan. Samenwerking met gerenommeerde instanties zoals het National Cancer Institute en Pangea Biomed versterkt bovendien de geloofwaardigheid.

Deze vooruitgang biedt hoopvolle perspectieven voor betere kankerbehandelingen. Het benadrukt hoe samenwerking tussen verschillende disciplines en geavanceerde computertechnologie echte verbeteringen in de gezondheidszorg kan brengen.

Kunstmatige intelligentie speelt een steeds belangrijkere rol in de geneeskunde, met hulpmiddelen zoals DeepPT die voorop lopen. Deze technologieën maken gepersonaliseerde geneeskunde beter toegankelijk en effectiever. Door gebruik te maken van gangbare klinische gegevens, kunnen deze tools onderzoek verbinden met patiëntenzorg, wat hoop biedt op betere resultaten voor kankerpatiënten.

Het zal boeiend zijn om te zien hoe deze tool zich ontwikkelt en of deze toepasbaar is op andere ziekten. Voor nu is het een belangrijke stap vooruit in de strijd tegen kanker.

De studie is hier gepubliceerd:

http://dx.doi.org/10.1038/s43018-024-00793-2

en de officiële citatie - inclusief auteurs en tijdschrift - is

Danh-Tai Hoang, Gal Dinstag, Eldad D. Shulman, Leandro C. Hermida, Doreen S. Ben-Zvi, Efrat Elis, Katherine Caley, Stephen-John Sammut, Sanju Sinha, Neelam Sinha, Christopher H. Dampier, Chani Stossel, Tejas Patil, Arun Rajan, Wiem Lassoued, Julius Strauss, Shania Bailey, Clint Allen, Jason Redman, Tuvik Beker, Peng Jiang, Talia Golan, Scott Wilkinson, Adam G. Sowalsky, Sharon R. Pine, Carlos Caldas, James L. Gulley, Kenneth Aldape, Ranit Aharonov, Eric A. Stone, Eytan Ruppin. A deep-learning framework to predict cancer treatment response from histopathology images through imputed transcriptomics. Nature Cancer, 2024; DOI: 10.1038/s43018-024-00793-2
Artificial Intelligence: Laatste nieuws

Deel dit artikel

Reacties (0)

Plaats een reactie