Publicerad: 2024-11-18 14:18 | Uppdaterad: 2024-11-18 14:27

AI-analys av immunceller kan förutsäga bröstcancerprognos

Bröstcancer breast cancet
Foto: Getty Images

Forskare vid Karolinska Institutet har undersökt hur bra olika AI-modeller kan förutsäga prognosen vid trippelnegativ bröstcancer genom att analysera vissa immunceller inuti tumören. Studien, som publicerats i tidskriften eClinicalMedicine, är ett viktigt steg mot att använda AI inom cancervården för att förbättra patienters hälsa.

Tumörinfiltrerande lymfocyter är en typ av immunceller som spelar en viktig roll i att bekämpa cancer. När de finns i en tumör betyder det att immunsystemet försöker attackera och förstöra cancercellerna.

Dessa immunceller kan vara viktiga för att förutsäga hur en patient med så kallad trippelnegativ bröstcancer kommer att svara på behandling och hur sjukdomen kommer att utvecklas. Men när patologer bedömer immuncellerna kan resultaten variera. Artificiell intelligens, AI, kan hjälpa till att standardisera och automatisera denna process, men det har varit svårt att visa att AI fungerar bra nog för att användas i vården.

Jämförde tio AI-modeller

Forskarna testade tio olika AI-modeller och jämförde hur bra de var på att analysera tumörinfiltrerande lymfocyter i vävnadsprover av trippelnegativ bröstcancer. 

Balazs Acs
Balazs Acs. Foto: Niklas Elmehed

Resultaten visade att AI-modellerna hade olika bra analytisk förmåga. Trots dessa skillnader visade åtta av de tio modellerna bra prognostisk förmåga, vilket betyder att de kunde förutsäga patienternas framtida hälsa på ett liknande sätt.

– Även modeller som tränats på färre prover visade bra prognostisk förmåga, vilket tyder på att tumörinfiltrerande lymfocyter är en robust biomarkör, säger Balazs Acs, forskare vid institutionen för onkologi-patologi, Karolinska Institutet.

Oberoende studier behövs

Studien visar att det behövs stora dataset för att jämföra och säkerställa att olika AI-verktyg fungerar bra innan de kan användas i vården. Även om resultaten är lovande, behövs mer validering.

– Vår forskning visar vikten av oberoende studier som efterliknar verklig klinisk praxis. Endast genom sådan testning kan vi säkerställa att AI-verktyg är tillförlitliga och effektiva för klinisk användning, säger Balazs Acs.

Information om finansiärer och eventuella intressekonflikter finns i den vetenskapliga artikeln.

Publikation

“The analytical and clinical validity of AI algorithms to score TILs in TNBC: Can we use different machine learning models interchangeably?”, Joan Martínez Vidal, Nikos Tsiknakis, Johan Staaf, Ana Bosch, Anna Ehinger, Emma Nimeus, Roberto Salgado, Yalai Bai, David L. Rimm, Johan Hartman, Balazs Acs. eClinicalMedicine, online 15 november 2024, doi: 10.1016/j.eclinm.2024.102928.