Nieuw baanbrekend AI deep learning model is bijna vijf keer beter in het voorspellen van het risico op borstkanker dan traditionele modellen

Een nieuw onderzoek van de Universiteit van Kopenhagen heeft aangetoond dat kunstmatige intelligentie (AI) de manier waarop we het risico op borstkanker beoordelen drastisch zou kunnen veranderen. Borstkanker is wereldwijd een van de meest voorkomende vormen van kanker. Alleen al in de VS komen er jaarlijks 287.850 nieuwe gevallen bij en overlijden er 43.250 mensen aan. Het nieuwe onderzoek, gepubliceerd in The Lancet Digital Healthsuggereert veelbelovende resultaten op basis van AI-modellen die getraind zijn om cellulaire senescentie te detecteren, en die het risico op borstkanker in de toekomst veel beter kunnen voorspellen dan de huidige klinische benchmarks.

Eerst de basis - wat is cellulaire senescentie? Het is een proces waarbij beschadigde of verouderende cellen stoppen met delen, maar actief blijven. Het wordt vaak in verband gebracht met verouderingsgerelateerde ziekten, waaronder kanker. Deze "senescente" cellen worden soms omschreven als "zombiecellen" omdat ze niet meer normaal functioneren, maar nog wel ontstekingssignalen afgeven - wat tot tumorgroei zou kunnen leiden. Hoewel senescentie kan fungeren als een natuurlijke rem op ongecontroleerde celdeling, kan het paradoxaal genoeg ook kanker bevorderen door deze ontstekingssignalen, die bekend staan als het senescentie-geassocieerde secretoire fenotype (SASP).

Tot nu toe was het moeilijk om senescentie in menselijke weefsels te meten vanwege het gebrek aan specifieke biomarkers. Het onderzoek van de Universiteit van Kopenhagen maakt echter gebruik van diep lerende AI om de nucleaire morfologieën - de vormen van celkernen - in borstweefselmonsters te analyseren. Hierdoor kan het risico op borstkanker worden voorspeld op basis van veranderingen in senescente cellen, zelfs in gezonde biopsiestalen.

De onderzoekers voerden een retrospectieve cohortstudie uit met borstweefselbiopten van 4.382 gezonde vrouwen. Deze monsters werden geanalyseerd met een deep learning tool genaamd de Nuclear Senescence Predictor (NUSP). Het AI-model onderzocht meer dan 32 miljoen kernen in verschillende weefseltypes om senescente cellen te detecteren en hun distributie binnen het weefsel te bepalen. Door een zorgvuldige evaluatie van deze senescente cellen in epitheelweefsel, vetweefsel en stromaal weefsel, was het AI-systeem in staat om patronen van senescentie te correleren met toekomstig kankerrisico. Epitheelweefsel vormt de bekleding van klieren en oppervlakken in het lichaam, waaronder borstkanalen, waar kanker vaak begint. Vetweefsel bestaat uit vetcellen die energie opslaan, en stromaal weefsel biedt structurele ondersteuning aan organen, waaronder bindweefsel dat epitheelcellen omringt en ondersteunt.

De algemene resultaten waren meer dan veelbelovend. Vrouwen van wie de weefselmonsters specifieke patronen van senescentie vertoonden, hadden een hogere of lagere kans op het ontwikkelen van borstkanker, afhankelijk van het gedetecteerde type senescentie. Eén model (getraind op senescentie veroorzaakt door DNA-schade) gaf bijvoorbeeld een hoger risico op kanker aan wanneer er veel senescente cellen in het weefsel aanwezig waren. Een ander model (getraind op door geneesmiddelen veroorzaakte senescentie) suggereerde een beschermend effect, waardoor hetzelfde risico werd verlaagd.

Vergeleken met het Gail model-dat momenteel de klinische gouden standaard is voor het voorspellen van het risico op borstkanker, toonde het AI-model een veel grotere nauwkeurigheid. In combinatie met de Gail score verhoogde het AI-model de oddsratio (een maat voor hoe sterk bepaalde risicofactoren uitkomsten voorspellen) tot 4,70, bijna vijf keer de voorspellende kracht van de Gail score alleen.

Als en wanneer deze doorbraak gecommercialiseerd wordt, zou dit artsen een veel verfijndere manier kunnen bieden om mensen met een hoog risico te identificeren en de broodnodige interventies te bieden. De mogelijkheid om het risico op borstkanker enkele jaren voordat deze zich ontwikkelt te voorspellen, kan leiden tot vroegere diagnoses en meer gepersonaliseerde screeningsprogramma's, waardoor er minder onnodige onderzoeken nodig zijn voor vrouwen met een laag risico en er meer toezicht is voor mensen met een hoog risico.

Het potentieel van AI is hier immens, vooral als het gaat om het bevorderen van kankerdiagnostiek. Hoewel de technologie nog in ontwikkeling is (en dat nog wel even zal zijn), zou de toepassing ervan een revolutie teweeg kunnen brengen in de screening op borstkanker. Door gebruik te maken van standaard weefselmonsters kan deze AI-methode wereldwijd worden toegepast.

Hoewel er veel aanvullend onderzoek nodig is om de genoemde modellen te verfijnen, zou een betere risicovoorspelling kunnen leiden tot een vroegere opsporing van kanker, effectievere behandelplannen en uiteindelijk een lager sterftecijfer door borstkanker. Dit is een echte toepassing van AI waar iedereen achter kan staan.