Het model werd eerst getraind op gegevens van bijna 30.000 patiënten bij wie een van de 22 bekende kankertypes was vastgesteld.

AI-model voorspelt oorsprong tumoren en geeft gerichte behandeling

Onderzoekers van het Massachusetts Institute of Technology (MIT) en het Dana-Farber Cancer Institute hebben een AI-model ontwikkeld die behandelingen kan beschrijven voor mensen met kanker waarvan de oorsprong van de tumoren onbekend is. De onderzoekers gebruikten machine learning om een computermodel te ontwerpen, OncoNPC genaamd, dat in staat is om ongeveer 400 genen te analyseren die vaak zijn gemuteerd bij kanker.

Het model werd eerst getraind op gegevens van bijna 30.000 patiënten bij wie een van de 22 bekende kankertypes was vastgesteld. Vervolgens werd het programma getest op ongeveer 7.000 tumoren die het model nog niet eerder had gezien maar waarvan de plaats van herkomst door onderzoekers van tevoren wel bekend was. De onderzoekers concludeerden dat OncoNPC in staat was om de oorsprong van de tumoren te voorspellen met een nauwkeurigheid van ongeveer 80 procent.

Steeds vaker wordt AI ingezet om kanker in een vroeg stadium op te sporen. Zo is onlangs nog een nieuwe AI-tool uitgevonden onder leiding van onderzoekers van de Harvard Medical School en de Universiteit van Kopenhagen waarbij mensen het met hoogste risico op alvleesklierkanker tot drie jaar vóór de daadwerkelijke diagnose kunnen worden opgespoord.

Oorsprong tumoren

Het model werd vervolgens aan het werk gezet om een ​​reeks van 900 tumoren te analyseren die geclassificeerd waren als kankers van onbekende, primaire oorsprong. Hier kwamen voor 40 procent van de tumoren betrouwbare voorspellingen uit. Onderzoekers vergeleken vervolgens de voorspellingen van het model met een analyse van erfelijke (kiemlijn) mutaties in een subset van tumoren. Dat zorgde ervoor dat zichtbaar werd of patiënten een genetische aanleg hebben om bepaalde kankers te ontwikkelen.

Ze ontdekten dat de voorspellingen van het model veel waarschijnlijker overeenkwamen met het type kanker dat het sterkst werd voorspeld door de kiembaanmutaties dan enig ander type kanker.

Doelgerichtere behandeling

Het onderzoeksteam heeft het model ook gebruikt te bekijken of patiënten adequate behandelingen hadden kunnen krijgen als hun kankertype bekend was geweest in plaats van meer algemene chemotherapiemedicijnen. Bij 15 procent van de patiënten bleek dit het geval te zijn.

Alexander Gusev, universitair hoofddocent geneeskunde aan de Harvard Medical School en het Dana-Farber Cancer Institute en senior auteur van de studie, voegt daaraan toe: “Dat maakt deze bevindingen mogelijk klinisch bruikbaarder omdat we niet eisen dat een nieuw medicijn wordt goedgekeurd. Wat we zeggen is dat deze populatie nu in aanmerking kan komen voor precisiebehandelingen die al bestaan.”

ICT&health World Conference 2024

Ervaar de toekomst van de gezondheidszorg tijdens de ICT&health World Conference van 14-16 mei 2024! Claim alvast jouw ticket en dompel je onder in baanbrekende technologieën en innovatieve oplossingen. Ga in gesprek met collega-experts en verken de kracht van wereldwijde samenwerkingen.

Deel dit artikel!

Lees ook
Longrevalidatie thuismeten app
Thuismeten-app helpt bij longrevalidatie
Kort zorgnieuws
Kort zorgnieuws: ZIC bij VieCuri; Digitale hulp; Medische rekenvaardigheid-app, en meer
wondzorg
Innovatieprijs voor gepatenteerde offline gegevensuitwisseling
Duuzame zorg - Diederik Gommers
Passende, duurzame zorg komt er niet vanzelf
Microbioomonderzoek
UMCG opent nieuwe faciliteit voor microbioomonderzoek
beroerte
Testen op je digitale tweeling voor beste behandeling beroerte
wereldwijd
John Halamka, Mayo Clinic Platform: ‘Onze innovaties zijn wereldwijd inzetbaar'
Gegevensuitwisseling
Mandaat EHDS: Nederland verzilvert 4 hoofdposities
Rathenau
Risico’s AI vragen om terughoudendheid in gebruik
Ketenmonitoring hackathon
Proefproject aanvullende ketenmonitoring en -logging afgerond
Volg jij ons al?