AI vässar patologers tolkning av vävnadsprover
Patologers granskningar av vävnadsprover från hudcancertumörer blev bättre när de fick hjälp av ett AI-verktyg. Bedömningarna blev mer samstämmiga och patienternas prognoser beskrevs mer pricksäkert. Det visar en studie ledd från Karolinska Institutet, gjord i samarbete med forskare från Yale University.
Det är sedan tidigare känt att så kallade tumörinfiltrerande lymfocyter (TILs) är en viktig biomarkör vid flera cancersjukdomar, bland annat vid malignt melanom (hudcancer). TILs är immunceller som finns i eller i närheten av tumören, där de påverkar kroppens reaktioner mot cancersjukdomen.
Vid malignt melanom spelar förekomsten av TILs roll för både diagnosen och prognosen, där hög förekomst är gynnsamt. En viktig del av patologers arbete vid malignt melanom är att skatta mängden av TILs. Nu har forskare från Karolinska Institutet undersökt hur patologiska bedömningar påverkades av ett AI-verktyg som tränats i att kvantifiera TILs.
Studien omfattar 98 patologer och forskare från andra professioner indelade i två grupper. I den ena gruppen ingick endast vana patologer. De gjorde ”som vanligt”, det vill säga tittade på digitala bilder av färgade vävnadssnitt och gjorde en skattning av mängden TILs enligt nuvarande riktlinjer.
I den andra gruppen ingick patologer, men också forskare från andra professioner – samtliga dock med viss vana av att bedöma patologiska bilder. De tittade också på bilderna ”som vanligt”, men fick dessutom hjälp av AI-stödet som kvantifierade mängden TILs.
Alla bedömde 60 vävnadssnitt var, samtliga från patienter med malignt melanom. Studien var retrospektiv, så bilderna visade vävnadsprover från patienter där bedömningar om diagnos och behandling redan var gjorda.
Bedömningar med AI-stöd överlägsna
Bedömningarna gjorda med AI-stöd var överlägsna de andra på flera sätt. Bland annat var reproducerbarheten mycket hög – resultaten blev väldigt snarlika oavsett vem som gjorde granskningen. Det är viktigt eftersom bedömningar av TILs i dag kan variera beroende på vem som gör dem, vilket kan ge en sårbarhet i den medicinska säkerheten.
De AI-stödda bedömningarna gav också en mer träffsäker bild av patienternas sjukdomsprognoser – eftersom studien var retrospektiv fanns ett ”facit” att jämföra med. Men detta utfall var okänt för dem som bedömde bilderna.
– Att utifrån vävnadsprover förstå hur allvarlig sjukdom en patient har är viktigt bland annat för att förstå hur aggressivt den ska behandlas. Nu har vi ett AI-baserat verktyg som kan kvantifiera TIL-biomarkören, vilket skulle kunna hjälpa till vid behandlingsbeslut i framtiden. Det behövs dock fler studier innan det här AI-verktyget kan tas i klinisk praxis, men resultaten hittills är lovande och talar för att det kan bli ett mycket användbart hjälpmedel inom klinisk patologi, säger studiens sisteförfattare Balazs Acs, docent vid institutionen för onkologi-patologi vid Karolinska Institutet och kliniskt verksam patolog.
Forskningen är finansierad av bland andra Svenska Sällskapet för Medicinsk Forskning och Region Stockholm, samt flera olika bidrag från amerikanska myndigheten National Institutes of Health. Se studien för eventuella intressekonflikter.
Publikation
”Analytical and Clinical Validity of Pathologist-read versus AI-Driven Assessments of Tumor-Infiltrating Lymphocytes in Melanoma: A Multi-Operator and Multi-Institutional Study”, Thazin N Aung, Matthew Liu, David Su, Saba Shafi, Ceren Boyaci, Sanna Steen, Nikolaos Tsiknakis, Joan Martinez Vidal, Nigel Maher, Goran Micevic, Samuel Tan, Matthew Vesely, Saeed Nourmohammadi, Yalai Bai, Dijana Djureinovic, Fai Wong, Katherine Bates, Nay NN Chan, Niki Gavirelatou, Mengni He, Sneha Burela, Robert Barna, Martina Bosic, Konstantin Bräutigam, Irineu Illabochaca, Zhou Chenhao, Joao Gama, Bianca Kreis, Reka Mohacsi, Nir Pillar, Joao Pinto, Chris Poulios, Maria Angeliki Toli, Evangelos Tzoras, Yadriel Bracero, Francesca Bosisio, Gabor Cserni, Alis Dema, Francesco Fortarezza, Mercedes Solorzano Gonzalez, Irene Gullo, Francisco Javier Queipo Gutiérrez, Ezgi Hacihasanoglu, Viktor Jovic, Bianca Lazar, Maria Olinca, Christina Neppl, Rui Caetano Oliveira, Federica Pezzuto, Daniel Pinto, Vanda Plotar, Ovidiu Pop, Tilman Rau, Kristijan Skok, Wenwen Sun, Ezgi Dicle Serbes, Wiebke Solass, Olga Stanowska, Marcell Szasz, Krzysztof Szymonski, Franziska Thimm, Danielle Vignati, Alon Vigdorovits, Victor Prieto, Tobias Sinnberg, James Wilmott, Shawn Cowper, Jonathan Warrell, Yvonne Saenger, Johan Hartman, Jasmine Plummer, Iman Osman, David L Rimm, Balazs Acs, JAMA Network Open, online 3 juli 2025, doi: 10.1001/jamanetworkopen.2025.18906