Een nieuwe AI-tool kan door analyse van histopathologische beelden snel en accuraat vaststellen welke mutaties een rol spelen bij longkanker. De tool vormt daarmee mogelijk een hulpmiddel bij het maken van behandelkeuzes bij longkanker.
Chinese onderzoekers gingen na of AI behulpzaam kan zijn bij het bepalen van de aanwezigheid van aan longkanker gerelateerde mutaties. Het snel en met hoge nauwkeurigheid detecteren van deze mutaties is van belang voor het instellen van de juiste behandeling, maar genomische testen zijn duur en arbeidsintensief en dat is met name in landen met beperkte financiële middelen een belemmering. De Chinese onderzoekers keken of een AI-tool kan helpen bij het bepalen van de aanwezigheid van mutaties met behulp van routinematig verzamelde histologische data.
De AI-tool met de naam DeepGEM werd getraind met behulp van data van 1.717 longkankerpatiënten en vervolgens getest met datasets van 1.719 en 535 patiënten. Hieruit bleek dat de AI-tool met een hoge mate van zekerheid de aanwezigheid van mutaties kan bepalen. In de trainingsdataset was de area under the curve (AUC) in het geval van de analyse van weefselbiopten 0,939 en in het geval van de analyse van dunnenaaldbiopten 0,883. De mediane AUC was 0,81. In de dataset van 1.719 patiënten was de AUC bij weefselbiopten 0,860 en bij dunnenaaldbiopten 0,853 (mediaan 0,842). In de dataset met 535 patiënten was de mediane AUC 0,872.
De onderzoekers concludeerden dat DeepGEM bij zowel weefselbiopten als dunnenaaldbiopten een goede voorspelling deed van diverse genafwijkingen. Zij stelden dat deze methode mogelijkheden biedt voor mutatietesten in gebieden waar reguliere mutatietesten niet mogelijk zijn.
Bron:
Xiong S, Zhao Y, Ren Q, et al. Deep multiple instance learning-enabled gene mutation prediction of lung cancer from histopathology images. WCLC 2024, abstract 1453.