Lungcancer: AI visar vem som kommer att dra nytta av immunterapi
Lungcancer är en vanlig och ofta aggressiv cancerform. Eftersom det är svårt för läkare att upptäcka det tidigt måste människor med lungcancer få den bästa, mest målinriktade behandlingen för att göra en positiv syn mer sannolikt. Immunterapi är ett alternativ, men hur kan läkare veta vem som kommer att dra nytta av det?
Enligt National Cancer Institute är lung- och bronkcancer den näst vanligaste typen av cancer bland människor i USA och står för 12,9% av alla nya cancerfall.
Denna form av cancer har ofta inga märkbara symtom i ett tidigt skede, vilket kan innebära att läkare inte kan upptäcka det först. Detta innebär att utsikterna efter behandlingen kanske inte är lika bra som för andra former av cancer.
För att säkerställa de mest gynnsamma resultaten för personer med lungcancer måste vårdpersonal välja den bästa typen av behandling för varje individ. Detta kan dock vara svårt, eftersom det ofta är svårt att säga vilken person som kommer att dra mest nytta av en viss behandling.
Det kan också vara svårt för en läkare att avgöra hur nyttiga nyare typer av behandlingar, såsom immunterapi, kommer att vara för en individ. Till skillnad från kemoterapi, som innebär att man använder specifika läkemedel för att attackera och förstöra cancerceller, fungerar immunterapi genom att öka en persons immunsvar mot cancertumörer.
Nu har ett team som leds av forskare från Case Western Reserve University i Cleveland, OH - i samarbete med forskare från sex andra institutioner - utvecklat en ny AI-modell (artificiell intelligens). Modellen gör det möjligt för vårdpersonal att hitta vilka personer med lungcancer som skulle ha störst nytta av immunterapi.
Utredarna förklarar sin metod och rapporterar sina resultat i en studiepapper som finns i tidskriften Cancerimmunologiforskning.
”Även om immunterapi har förändrat hela cancerens ekosystem”, förklarar studieförfattaren Anant Madabhushi, “är det också extremt dyrt - cirka 200 000 dollar per patient per år.
"Det är en del av den ekonomiska toxiciteten som följer med cancer och resulterar i att cirka 42% av alla nydiagnostiserade cancerpatienter tappar sina livsbesparingar inom ett år efter diagnos", tillägger han. Madabhushi konstaterar också att det nya verktyget han och hans kollegor arbetar med kan hjälpa läkare och patienter att avgöra vilken behandling som passar dem bäst och undvika onödiga kostnader.
Ny modell kan förutsäga resultatet
Madabhushi förklarar att han och hans kollegor utvecklade sin nya modell baserad på senaste fynd som identifierade de tecken som visar vilka cancertumörer som svarar på behandlingen.
I en tidigare studie fann utredarna att medan läkare vanligtvis har trott att tumörstorlek var en bra indikator på huruvida ett terapeutiskt tillvägagångssätt fungerar eller inte, kan det bara vara vilseledande att titta på denna egenskap.
Istället, säger Madabhushi, "[vi] har funnit att texturförändring är en bättre förutsägelse för om terapin fungerar."
"Ibland kan till exempel knölen verka större efter behandlingen på grund av en annan anledning, säg ett trasigt kärl inuti tumören - men terapin fungerar faktiskt", förklarar han. "Nu har vi ett sätt att veta det."
För att utveckla den nya AI-modellen använde teamet först data från datortomografi (CT) -skanningar från 50 personer med lungcancer. Detta gjorde det möjligt för dem att skapa en matematisk metod som kunde identifiera eventuella förändringar i storlek och struktur som äger rum i tumören efter exponering för två till tre cykler av immunterapi.
Metoden hittade mönster som indikerade att särskilda förändringar i tumörer var associerade med ett positivt svar på immunterapibehandlingen, liksom med högre patientöverlevnad.
Denna studie betonade återigen att de lungcancertumörer som visar de mest märkbara strukturförändringarna också är de som bäst svarar på immunterapi.
”Detta är en demonstration av programmets grundläggande värde, att vår maskininlärningsmodell kan förutsäga svar hos patienter som behandlas med olika immunkontrollhämmare. Vi har att göra med en grundläggande biologisk princip. ”
Studera medförfattare Prateek Prasanna
Tidigare i år fick medförfattaren Prateek Prasanna ett American Society of Clinical Oncology 2019 Conquer Cancer Foundation Merit Award för forskning som är associerad med denna studie.
Framöver planerar teamet att ytterligare testa sin AI-metod på fler CT-skanningar från andra platser och från personer som behandlas med olika immunterapimedel.
