Er zijn verschillende vormen van prostaatkanker. Voor de behandeling en de kans op herstel is het onder andere belangrijk om in te schatten hoe agressief deze vorm van kanker zich ontwikkelt. Amerikaanse onderzoekers hebben hiervoor nu een AI-tool ontwikkeld. Daarmee moeten, zo beogen de onderzoekers, prostaatkanker patiënten geïdentificeerd worden die een hoger risico lopen op snelle progressie van de ziekte. Met die wetenschap kunnen zorgverleners vervolgens sneller, nauwkeuriger en eerder ingrijpen en bijvoorbeeld starten met gerichte, gepersonaliseerde behandelplannen.
Van alle patiënten die getroffen worden door prostaatkanker die een gemiddeld risico hebben voor de (snelle) progressie van de kanker, zo blijkt uit onderzoek in de VS, heeft ruim de helft geen duidelijk behandelplan. Bij 30 tot 50 procent van deze patiënten verergert de ziekte na de eerste behandelronde. Dat was voor de onderzoekers van de Icahn School of Medicine van Mount Sinai een van de drijfveren voor de ontwikkeling van een AI-tool die de prognose van het verloop van prostaatkanker kan verbeteren.
AI-tool analyseert medische beelden
De tool, PATHOMIQ_PRAD, maakt gebruik van deep leaning technologie om morfologische kenmerken te extraheren uit datasets die zijn afgeleid van biopsie- of chirurgische hematoxyline- en eosine-gekleurde whole-slide-afbeeldingen. Het gebruik van AI-algoritmen om de diagnostiek van ziektes te versnellen met behulp van medische beelden (MRI’s, röntgenbeelden en dergelijke) is een ontwikkeling die de afgelopen jaren steeds meer doorbreekt.
Zo worden bijvoorbeeld in Nederland AI-algoritmen ingezet voor het maken van bestralingsplannen voor de behandeling van prostaatkanker. Daarvoor wordt onder andere gebruik gemaakt van een CT-scan die door een AI-model wordt geanalyseerd zodat in het behandelplan beter rekening gehouden wordt met organen en botstructuren in de buurt van het te bestralen gebied. Zo kan de juiste hoge stralingsdosis worden toegepast op de tumor met zo min mogelijk schade aan het omliggende gezonde weefsel.
Gemiddeld risico
De nieuwe AI-tool die in de VS is ontwikkeld, is in zijn soort de eerste die specifiek bedoeld is voor het managen van prostaatkanker bij patiënten met een gemiddeld risico op een snelle progressie van de ziekte. "We zien dat sommige van deze patiënten een hoger risico lopen op snelle progressie, dus het is van cruciaal belang om ze vroeg te identificeren", zegt co-corresponderende auteur Ash Tewari.
“Door verschillende weefseltypen te analyseren - epitheel-, stroma- en immuuncellen - genereert het een gedetailleerde score voor elke patiënt, voorspelt het uitkomsten en biedt het een krachtige nieuwe manier om behandelbeslissingen te sturen", aldus mede- auteur Dimple Chakravarty, Ph.D., universitair docent urologie aan Icahn Mount Sinai.
Beter dan huidige tools
Tijdens test behaalde PATHOMIQ_PRAD-scores die variëren van 0 tot 1, waarbij hogere scores wijzen op kenmerken met een hoog risico. De studie analyseerde grote datasets om patiënten te classificeren in groepen met een hoog en laag risico met behulp van vooraf bepaalde klinische PATHOMIQ_PRAD-grenswaarden van 0,45 voor BCR en 0,55 voor metastasen. Deze limieten waren gebaseerd op zaken als de kans dat kanker terugkeert of zich verspreidt. De studie ontdekte dat de tool de bestaande benchmark kankerresultaten over de komende vijf jaar overtrof in vergelijking met andere huidige tools. Details van deze studie zijn gepubliceerd in European Urology.
"We hebben deze tool ontwikkeld om monsters van biopsieën of operaties te analyseren, waardoor we beter inzicht krijgen in welke patiënten mogelijk eerder een agressievere behandeling nodig hebben om hun resultaten te verbeteren. PATHOMIQ_PRAD heeft het potentieel om een routinematig onderdeel te worden van klinische besluitvorming", vult Ash Tewari aan.
