Kan bety mye for diagnose og behandling av brystkreft

En ny KI-modell utviklet av forskere fra MIT og ETH Zurich har vist seg å kunne identifisere en form for brystkreft tidligere, enklere og billigere enn før, skriver MIT på sine nettsider.

Kan utvikle farlig kreft

Det dreier seg om spesifikke utviklingsstadier av «ductal carcinoma in situ» (DCIS), som er en tidlig form for brystkreft der kreftceller finnes i melkekanalene i brystet, men ikke har spredt seg til omkringliggende vev. «In situ» indikerer at kreftcellene ikke har invadert andre deler av brystet eller kroppen.

Diagnosen er viktig, fordi selv om det ikke er en livstruende tilstand i seg selv, kan det utvikle seg til invasiv brystkreft hvis det ikke behandles.

Omtrent 25 prosent av alle brystkreft-diagnoser skal være DCIS, og omkring 30 til 50 prosent av disse vil utvikle mer alvorlige kreftformer, heter det i studien.

Klassiske diagnosemuligheter er imidlertid vanskelige og gir resultater som gjør det vanskelig å forutsi hvilke tilfeller av DCIS som vil gi alvorlig sykdom senere. De er også for dyre å gjennomføre til at man kan benytte dem i stor stil.

Stor presisjon

Modellen kan forutsi hvilke DCIS-tilfeller som sannsynligvis vil utvikle seg til invasiv kreft med stor presisjon, noe som kan ha stor innvirkning på hvordan brystkreft behandles, spesielt ved å unngå unødvendig kirurgi og andre aggressive behandlinger.

Dette er avgjørende fordi det kan redusere overbehandling av pasienter som har lav risiko for at tilstanden utvikler seg til invasiv kreft. Modellen benytter seg av bildeteknikker for å analysere vevsprøver, spesielt med fokus på cellenes tilstand og organisering, og gir resultater som er sammenlignbare med vurderinger fra patologer.

Lovende

– Resultatene som presenteres her er både interessante og virker lovende for denne pasientgruppen, sier Lars Andreas Akslen. Funnene må imidlertid verifiseres i lignende uavhengige studier før dette kan sies å være etablert.

Lars Andreas Akslen er patologi-professor ved UiB, og er leder for Centre for Cancer Biomarkers (CCBIO), der han også leder kreftforskingsgruppen Tumor Biology Research Group. I tillegg er han overlege på Haukeland sykehus.

– Mange arbeider med denne problemstillingen, men jeg kjenner ikke til prosjekter i Norge som arbeider akkurat med denne metoden. Det er mange forskere som nå anvender ny teknologi med høyere «oppløsning» enn vanlig mikroskopering, hvor man ser på enkelt-celler - både kreftceller og støtteceller rundt. Dette er gjerne mer kostbare teknikker, men også resultater av disse er lovende.

– Bruk av enkle og billige fargemetoder, som her, er en fordel, kombinert med KI og annen avansert tallbehandling.

Stor pasientgruppe

– Studiens store svakhet, som forfatterne selv påpeker, er at datasettet mangler prognostisk informasjon. Det vil si at den mangler opplysninger om hvordan det går med pasientene over tid.

Slike studier er nødvendig dersom metoden skal kunne verifiseres og bli anbefalt videre.

– Om dette blir en bekreftet teknologi er relevansen stor også for Norge, sier Akslen.

Pasientgruppen er stor: I Norge hadde om lag 10 prosent av alle pasienter registrert med brystkreft i 2023 - inkludert forstadier - denne formen for svulster.

Gode resultater på tross av lite datagrunnlag

For å trene KI-modellen ble det brukt til sammen 560 bilder fra 122 pasienter, tatt på tre ulike stadier av sykdommen.

Men bare trening på dataene var ikke nok. Forskerne måtte også lage modellen slik at den ikke bare tok hensyn til hvor mye av ulike celletyper som ble funnet og hvilket stadium de var på, men også hvordan de var organisert i forhold til hverandre.

– Det interessante for oss var å se hvor mye organisering i rommet faktisk betyr. Tidligere studier har vist at celler som er nær brystkanalen er viktige. Men det er også viktig å vurdere hvilke celler som er nær hvilke andre celler, sa studiens hovedforfatter Xinyi Zhang.

Som en del av studien sammenlignet forskerne KI-resultatene med resultater vurdert av medisinsk personell. Ikke bare var det stor grad av enighet i konklusjonene, men man fant også at KI-modellen kunne indikere tvilstilfeller som burde undersøkes nøyere av en spesialist.

Hvordan cellene er organisert i forhold til hverandre må inkluderes i flere fremtidige studier, konkluderte forskerteamet.

Modellen kan forbedres

Studien, publisert i Nature Communications, understreker at denne AI-modellen kan forbedres ytterligere med mer data og avanserte algoritmer. Forskerne planlegger å teste modellen klinisk for å validere dens effektivitet i et reelt medisinsk miljø. Dette kan bety mye for måten brystkreft diagnostiseres og behandles på globalt, og gi bedre overlevelsesrater og livskvalitet for pasientene.

Tidligere diagnose

Den nye metoden kan potensielt oppdage endringer i celler på et mye tidligere stadium enn tradisjonelle metoder, men nøyaktig hvor mye tidligere avhenger av flere faktorer, inkludert hvilken type vev som undersøkes og de spesifikke celletilstandene som oppdages.

Generelt sett kan denne teknologien identifisere subtile endringer på cellenivå som kan være til stede lenge før synlige symptomer eller endringer som oppdages med eksisterende teknikker. Dette kan bety at diagnosen kan stilles flere måneder eller til og med år tidligere.

Andre typer kreft

Videre håper forskerne at denne teknologien kan brukes på andre krefttyper i fremtiden. De ser potensialet for å tilpasse modellen til å analysere andre typer vevsprøver, noe som kan gi bredere anvendelser i onkologi. Dette representerer et betydelig skritt fremover i bruk av kunstig intelligens i medisinsk forskning og praksis, og viser hvordan tverrfaglig samarbeid kan føre til banebrytende innovasjoner.