Ny studie: AI kan identifiera högrisk endometriecancer, förbättrar behandlingar och vårdalternativ för patienter.

StockholmForskare vid University of British Columbia har använt artificiell intelligens (AI) för att identifiera en farlig form av livmodercancer. Denna upptäckt kan bidra till att förbättra behandlingen för patienter med denna vanliga typ av gynekologisk cancer. AI-tekniken kan analysera tusentals bilder av cancerceller för att upptäcka en specifik form av livmodercancer som har en högre risk för återfall och död. Traditionella metoder har svårigheter att identifiera denna specifika typ av cancer.

Den AI-baserade metoden har många fördelar:

• Kostnadseffektiv och enkel att implementera
• Användbar både i stadsmiljöer och på landsbygden
• Kompletterar och förbättrar befintliga molekylära diagnoser
• Förbättrar beslutsfattande vid behandlingar

År 2013 klassificerade Dr. McAlpine och hennes team endometriecancer i fyra typer baserat på molekylära egenskaper. De utvecklade ett diagnostiskt verktyg kallat ProMiSE, som pålitligt kan identifiera dessa typer. Detta verktyg används nu i British Columbia, andra delar av Kanada samt runt om i världen.

Utmaningar kvarstår. Den vanligaste subtypen, som utgör cirka 50% av fallen, saknar tydliga molekylära egenskaper. Vissa patienter i denna grupp klarar sig bra, medan andra drabbas hårt. Hittills har det inte funnits verktyg för att identifiera vilka patienter som löper risk i denna grupp.

Läs också:

Idag · 14:35

AI-genererad ryggsmärthjälp: lika bra som läkare

Dr. McAlpine samarbetade med Dr. Ali Bashashati, en biträdande professor vid UBC, för att använda avancerade AI-metoder. Dr. Bashashatis team utvecklade en djupinlärningsmodell för att analysera bilder av vävnadsprover från patienter. AI:t tränades för att skilja mellan olika subtyper.

Efter att ha analyserat över 2 300 bilder av cancervävnader, identifierade AI en ny grupp patienter med betydligt lägre överlevnadsgrad. Dr. Bashashati förklarar att AI:s styrka ligger i dess förmåga att granska många bilder och upptäcka mönster som mänskliga patologer inte kan se.

Denna upptäckt kan förändra hur läkare diagnostiserar och behandlar endometriecancer hos patienter globalt.