KI:s nya AI upptäcker risk för återfall i bröstcancer

– 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.

När en bröstcancerdiagnos ställs tas vävnadsprover av tumören. Dessa graderas av en patolog och delas in tre grader, lågrisktumör (grad 1), mellanrisktumör (grad 2) eller högrisktumör (grad 3), något som hjälper läkaren att avgöra vilken behandling som patienten ska få.

– 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.

Med den nya AI-metoden kan patienter med grad 2-tumörer delas in i två undergrupper, en hög- och en lågriskgrupp, där det går att se stora skillnader i återfallsrisk. AI-modellen har tränats genom att känna igen särdrag i mikroskopibilder från patienter med lågrisktumörer, det vill säga grad 1, och högrisktumörer, grad 3.

– 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 inte helt redo för kliniskt bruk än utan forskarna ska nu utvärdera den ytterligare, och målsättningen är att en produkt ska komma till marknaden under 2022.

Källa: Karolinska Institutet