Model kecerdasan buatan (AI) pembelajaran mendalam yang hanya menggunakan satu slide histopatologis memprediksi risiko kekambuhan jauh di antara pasien kanker endometrium dalam sebuah studi baru.
Kanker endometrium merupakan kanker rahim yang paling sering terjadi. Pasien stadium awal memiliki sekitar 95% kelangsungan hidup 5 tahun, tetapi kekambuhan yang jauh dikaitkan dengan kelangsungan hidup yang sangat buruk, menurut Sarah Fremond, MSc, seorang penulis penelitian (Abstrak 5695), yang dia presentasikan pada pertemuan tahunan Asosiasi Amerika untuk Penelitian Kanker.
“Sebagian besar pasien dengan kanker endometrium memiliki prognosis yang baik dan tidak memerlukan pengobatan adjuvant, tetapi ada proporsi yang akan mengembangkan kekambuhan jauh. Bagi mereka yang ingin merekomendasikan kemoterapi adjuvant, karena saat ini dalam pengaturan adjuvant, itulah satu-satunya pengobatan yang dikenal untuk menurunkan risiko kekambuhan jarak jauh. Tapi itu juga menyebabkan morbiditas. Oleh karena itu, pertanyaan klinis kami adalah bagaimana mengidentifikasi secara akurat pasien dengan risiko rendah dan tinggi kekambuhan jarak jauh untuk mengurangi pengobatan yang kurang dan berlebihan,” kata Ms. Fremond, Ph.D. kandidat di Pusat Medis Universitas Leiden (Belanda).
Patolog dapat mencoba prediksi tersebut, tetapi Ms. Fremond mencatat bahwa ada tantangan. “Ada banyak variabilitas antara ahli patologi, dan kami bahkan tidak menggunakan seluruh informasi visual yang ada di H&E [hematoxylin and eosin] slide tumor. Ketika datang ke pengujian molekuler, itu terhambat oleh biaya, waktu penyelesaian, dan kadang-kadang interpretasi. Cukup kompleks untuk menggabungkan data tersebut untuk secara khusus menargetkan risiko kekambuhan jarak jauh untuk pasien dengan kanker endometrium.”
Dalam presentasinya, Ms. Fremond menjelaskan bagaimana dia dan rekan-rekannya menggunakan slide histopatologi digital dalam penelitian mereka. Dia dan rekan penulisnya mengembangkan model AI sebagai bagian dari kolaborasi yang mencakup Konsorsium AIRMEC, Pusat Medis Universitas Leiden, Konsorsium TransPORTEC, dan Universitas Zürich.
Para peneliti menggunakan data tindak lanjut jangka panjang dari 1.408 pasien yang diambil dari tiga kohort klinis dan peserta dalam studi PORTEC-1, PORTEC-2, dan PORTEC-3, yang menguji radioterapi dan hasil terapi tambahan pada kanker endometrium. Pasien yang telah menerima kemoterapi adjuvan sebelumnya dikeluarkan. Dalam fase pengembangan model, sistem menganalisis satu gambar slide histopatologis representatif dari setiap pasien dan membandingkannya dengan waktu yang diketahui hingga kekambuhan jauh untuk mengidentifikasi pola.
Setelah sistem dilatih, para peneliti menerapkannya pada kelompok baru yang terdiri dari 353 pasien. Itu peringkat 89 pasien memiliki risiko kekambuhan rendah, 175 pada risiko menengah, dan 89 berisiko tinggi kekambuhan. Sistem bekerja dengan baik: 3,37% pasien berisiko rendah mengalami kekambuhan jauh, seperti halnya 15,43% dari kelompok risiko menengah dan 36% dari kelompok risiko tinggi.
Para peneliti juga mempekerjakan kelompok validasi eksternal dengan 152 pasien dan tiga slide per pasien, dengan tindak lanjut selama 2,8 tahun. Model dilakukan dengan indeks C 0,805 (± 0,0136) ketika slide acak dipilih untuk setiap pasien, dan prediksi skor risiko rata-rata per pasien dikaitkan dengan perbedaan kelangsungan hidup bebas kekambuhan jarak jauh antara tiga kelompok risiko dengan indeks C sebesar 0,816 (P < 0,0001).
Pertanyaan tentang penelitian dan jawabannya
Moderator sesi Kristin Swanson, PhD, bertanya apakah AI dapat digunakan dengan fitur tampilan slide patologi untuk mempelajari lebih lanjut tentang biologi yang mendasari dan patofisiologi tumor.
“Melapisi HECTOR ke jaringan tampaknya seperti kesempatan logis untuk pergi dan kemudian mengeksplorasi biologi dan apa yang dikaitkan sebagai wilayah berisiko tinggi,” kata Dr. Swanson, yang merupakan direktur Laboratorium NeuroOnkologi Matematika dan codirector dari Precision NeuroTherapeutics Program Inovasi di Mayo Clinic Arizona, Phoenix.
Nona Fremond setuju bahwa AI memiliki potensi untuk digunakan seperti itu.”
Selama Tanya Jawab, seorang anggota audiens bertanya seberapa besar kemungkinan model tersebut tampil dalam populasi yang berbeda secara signifikan dari populasi yang digunakan dalam studinya.
Ms Fremond menjawab bahwa populasi yang digunakan untuk mengembangkan dan menguji model berada di atau dekat dengan Belanda, dan sedikit informasi yang tersedia mengenai etnis pasien. “Ada kemungkinan kita akan memiliki kinerja yang berbeda pada populasi yang mencakup lebih banyak minoritas. Itu perlu diperiksa,” kata Ms. Fremond.
Studi ini dibatasi oleh sifat retrospektifnya.
Nona Fremond dan Dr. Swanson tidak memiliki pengungkapan keuangan yang relevan.
Artikel ini awalnya muncul di MDedge.com, bagian dari Medscape Professional Network.