Nieuw AI-model voorspelt effect van behandeling borstkankerpatiënten

do 13 februari 2025 - 08:45
Onderzoek
Nieuws

Onderzoekers van het Nederlands Kanker Instituut (NKI), het onderzoeksinstituut van het Antoni van Leeuwenhoek ziekenhuis (AVL), hebben een AI-model ontwikkeld dat artsen kan helpen bij het bepalen wat de beste therapie voor borstkankerpatiënten is. Het AI-model geeft meer duidelijkheid over de effectiviteit van een zogeheten neoadjuvante therapie die moet helpen om een tumor te verkleinen voorafgaand aan een operatie.

Borstkankerpatiënten die niet direct geopereerd kunnen worden, krijgen vaak eerst neoadjuvante therapie. Dit kan onder meer chemotherapie of hormoontherapie betekenen. Hierna volgt een complex proces om te bepalen er nog kankercellen aanwezig zijn in de borst of lymfeklieren, onder meer op basis van scans, informatie over tumorcellen en klinische gegevens. Dit vraagt tijd en samenwerking tussen specialisten.

Reactie op behandeling voorspellen

Niet elke patiënt reageert goed op deze neoadjuvante therapie, terwijl ook de effectiviteit moeilijk te voorspellen is. Reden voor onderzoekers van het NKI om onder leiding van Ritse Mann het AI-model Multi-Modal Response Prediction (MRP) te ontwikkelen. De bedoeling is dat MRP artsen kan helpen om te voorspellen hoe borstkankerpatiënten op neoadjuvante therapie zullen reageren. Dit kan veel impact hebben, aangezien Borstkanker mondiaal de meest voorkomende vorm van kanker is.

"Ons MRP-systeem laat zien dat het mogelijk is om al vóór de behandeling te voorspellen welke patiënten waarschijnlijk goed zullen reageren op neoadjuvante therapie”, stelt onderzoeker Yuan Gao. “Dit biedt waardevolle inzichten voor gepersonaliseerde behandelstrategieën."

Explainable AI

Volgens de onderzoekers is MRP een bijzonder AI-model omdat het niet alleen voorspelt, maar ook uitlegt hoe deze tot stand komt (explainable AI). Dit maakt de resultaten transparant en betrouwbaar voor artsen. Door verschillende soorten medische data te combineren en rekening te houden met verschillen tussen behandelcentra, kan MRP artsen bovendien helpen om sneller en nauwkeuriger beslissingen te nemen. Dit vermindert de werkdruk en verbetert de zorg voor patiënten.

Het MRP-systeem is volgens het AVL een belangrijke stap richting gepersonaliseerde borstkankerzorg: het beter afstemmen van behandelingen op de individuele patiënt. Het gebruik van AI-modellen die getraind worden met verschillende soorten data kan dit model bijdragen aan effectievere behandelingen en een betere kwaliteit van leven. De onderzoekers willen het MRP-model nu verder ontwikkelen tot een praktisch hulpmiddel, inzetbaar op verschillende momenten in een behandelproces:

  • Vóór de therapie: MRP kan voorspellen welke patiënten waarschijnlijk geen baat hebben bij neoadjuvante therapie. Dit voorkomt onnodige bijwerkingen en geeft artsen de mogelijkheid om alternatieve behandelingen te overwegen.
  • Tijdens de behandeling: het model houdt veranderingen in de patiëntgegevens bij, zodat de behandeling indien nodig kan worden aangepast.
  • Na de behandeling: MRP kan helpen voorspellen welke patiënten mogelijk geen operatie meer nodig hebben omdat er geen kankercellen meer aanwezig zijn. Dit bespaart hen een zware ingreep.

Combinatie datamodellen

Het onderzoeksteam heeft het model getraind met data van 2.436 borstkankerpatiënten die tussen 2004 en 2020 in het NKI behandeld zijn. Waar traditionele AI-modellen vaak slechts één type data gebruiken, combineert MRP diverse databronnen, zoals radiologische beelden, tumorcelinformatie en klinische gegevens. Dit zou het model nauwkeuriger maken en inzicht bieden in hoe de voorspellingen tot stand komen.

"Ons doel is om verschillende typen medische data en tijdspunten samen te brengen, zodat we het multidisciplinaire overleg kunnen automatiseren”, stelt onderzoeksleider en radioloog Ritse Mann. Dit zal leiden tot snellere en nauwkeurigere evaluaties van behandelrespons en de weg vrijmaken voor toekomstige klinische studies."

Over de ontwikkeling van MRP is gepubliceerd in Nature Communications.