AI kan bedöma risk för återfall i bröstcancer

I Sverige drabbas ungefär 9 000 kvinnor varje år av bröstcancer och globalt handlar det om cirka två miljoner kvinnor. När diagnosen ställs tas vävnadsprover av tumören, som graderas av en patolog och delas in i lågrisktumör (grad 1), mellanrisktumör (grad 2) eller högrisktumör (grad 3). Graderingen hjälper läkaren att avgöra vilken behandling patienten ska få.

Problem med över- och underbehandling

– Ungefär hälften av bröstcancerpatienterna har en grad 2-tumör, vilket dessvärre inte ger någon tydlig vägledning om hur patienten ska behandlas. Detta medför att en del av patienterna överbehandlas med cellgifter, medan andra riskerar att underbehandlas. Det problemet har vi försökt hitta en lösning på, säger Yinxi Wang, doktorand vid institutionen för medicinsk epidemiologi och biostatistik, Karolinska Institutet.

Molekylär diagnostik har nyligen börjat användas i begränsad omfattning i vården för att öka precisionen i riskbedömning av bröstcancer, men dessa metoder är ofta förknippade med höga kostnader och tidskrävande processer. KI-forskarna har i stället utvecklat och utvärderat en AI-baserad metod för vävnadsanalys (AI står för artificiell intelligens, redaktionens kommentar). Studien visar att AI-metoden kan dela in patienter med grad 2-tumörer i två undergrupper, en hög- och en lågriskgrupp, med tydlig skillnad i risk för återfall.

Läs också artikelserien om artificiell intelligens.

Kostnadseffektiv och snabb metod

– En stor fördel med metoden är att den är kostnadseffektiv och snabb eftersom den bygger på mikroskopibilder av infärgade vävnadsprover som redan är del av rutinsjukvården. Det gör att vi kan erbjuda den här typen av diagnostik till fler och på så vis öka möjligheten att ge rätt behandling till rätt patient, säger Johan Hartman, professor i tumörpatologi vid institutionen för onkologi-patologi, Karolinska Institutet och patolog vid Karolinska Universitetssjukhuset samt delad sisteförfattare.

AI-modellen har tränats att känna igen särdrag i högupplösta digitala mikroskopibilder från patienter klassificerade med lågrisktumörer (grad 1) och högrisktumörer (grad 3). Studien är baserad på ett omfattande material med mikroskopibilder från över 2 800 tumörer.

Urskiljer mer än det mänskliga ögat

– Det är fantastiskt att man med hjälp av modern AI-teknik, så kallad djupinlärning, kan utveckla modeller som inte bara reproducerar vad specialistläkare gör idag, utan faktiskt extraherar information bortom vad det mänskliga ögat kan urskilja, säger Mattias Rantalainen, docent vid institutionen för medicinsk epidemiologi och biostatistik, Karolinska Institutet.

Metoden är ännu inte redo för kliniskt bruk, men en regulatoriskt godkänd produkt är redan under utveckling i ett nystartat bolag, Stratipath AB, som har stöd av bland annat KI Innovations. Forskarna kommer nu att utvärdera metoden ytterligare och målsättningen är att en produkt ska finnas ute på marknaden under nästa år, 2022.

Vetenskaplig artikel:

Improved breast cancer histological grading using deep learning .

Kontakt:

Mattias Rantalainen, docent, forskningsgruppledare, Institutionen för medicinsk epidemiologi och biostatistik, Karolinska Institutet, mattias.rantalainen@ki.se, Johan Hartman, professor i tumörpatologi, Institutionen för onkologi-patologi, Karolinska Institutet, johan.hartman@ki.se