AI-protokollen ‘DeepHRD’ klar til at transformere tid og omkostninger ved kræftbehandling

Kræft fortsætter med at være en trussel på verdensplan. På trods af en strøm af videnskabelige innovationer er den stadig den førende årsag til tab af liv over hele verden. 

I 2024 vil der alene i USA blive diagnosticeret anslået to millioner kræfttilfælde, mens det samlede antal dødsfald forventes at overstige 610.000. 

Beregninger baseret på data fra 2017-2019 viser, at mere end 40 % af mænd og kvinder i USA vil blive diagnosticeret med kræft på et tidspunkt i deres liv. Endnu mere alarmerende er, at i år vil næsten 15.000 børn og unge blive diagnosticeret med kræft, og omkring 1.600 desværre vil gå bort af den.

Situationen i USA afspejler den globale situation. Som en af de førende dødsårsager på verdensplan var der i 2022 næsten 20 millioner nye tilfælde og 9,7 millioner kræftrelaterede dødsfald på verdensplan. Og der er ingen lettelse i sigte på kort sigt. I 2040 forventes antallet af nye kræfttilfælde pr. år at stige til 29,9 millioner, og antallet af kræftrelaterede dødsfald til 15,3 millioner.

Derfor kræver truslen fra kræft en helhedsorienteret indsats fra det videnskabelige, teknologiske og medicinske forskningssamfund. I det kommende afsnit vil vi diskutere en sådan indsats, der får folk over hele verden til at være optimistiske og entusiastiske omkring dens potentiale for fremtidige bestræbelser.

Klik her for en liste over de bedste aktier inden for kræftbehandling.

AI-drevet præcisionsonkologi for kræftbiopsier

En nylig videnskabelig tidsskriftpublikation i Journal of Clinical Oncology nævnte deres bestræbelser på at træne DeepHRD, en dyb læringsplatform til at forudsige HRD fra hæmatoxylin- og eosin (H&E)-farvede histopatologiske glider, ved brug af primære bryst- og æggestokkræft fra The Cancer Genome Atlas (TCGA). 

Dette gennembrud er betydningsfuldt, fordi kræft med homolog rekombinationsdefekt (HRD) drager fordel af platinbaserede salte og poly(ADP-ribose) polymerase-hæmmere. Dog kræver de standard diagnostiske tests til påvisning af HRD molekylær profilering, som ikke er tilgængelig overalt.

Forskningsresultaterne konkluderede, at DeepHRD kunne forudsige HRD i bryst- og æggestokkræft direkte fra rutinemæssige H&E-glider på tværs af flere eksterne kohorter, glidescannere og vævsfikseringsvariabler. Da resultaterne blev sammenlignet med det konventionelle system for molekylær testning, kunne DeepHRD-platformen klassificere 1,8‑ til 3,1‑gange flere patienter og viste bedre overlevelse (OS) i højgradig serøs æggestokkræft samt platin‑specifik progressionfri overlevelse (PFS) i metastatisk brystkræft.

Selvom resultaterne viser medicinske samfunds grunde til begejstring for løsningen, betød inddragelsen af AI en stor forbedring inden for den operationelle logistik for tidlig kræftdiagnose og den tilhørende behandling.

Klik her for at lære, hvordan CRISPR kan bruges til at behandle kræft.

Hvorfor er inddragelsen af AI-protokollen afgørende?

Ifølge forskerne fra UC San Diego, som leder dette eksperiment, muliggør inddragelsen af AI i systemet hurtig og omkostningseffektiv påvisning af klinisk handlingsbare genomiske ændringer direkte fra tumorbiopsi‑glider.

Forskerne mener, at systemet kan spare uger og tusinder af dollars i de kliniske onkologi‑behandlingsprocesser for bryst‑ og æggestokkræft.

Ellers kan forsinkelserne ikke kun være livstruende, men de høje omkostningsprocesser kan påvirke patienter med begrænsede ressourcer. På den måde betyder inddragelsen af AI en mere inklusiv kræftdiagnostisk proces. 

Mens han forklarede de eksisterende flaskehalse, sagde Erik Bergstrom, PhD, hovedforfatter af studiet og postdoktor i Alexandrov’s laboratorium:

“Desværre har høje omkostninger, vævskrav og langsomme gennemløbstider hindret den udbredte brug af præcisionsonkologi, hvilket har ført til suboptimal — potentielt skadelig — behandling for kræftpatienter.”

AI‑drevne genomiske test giver derfor lettelse. Den sparer ikke kun kritisk tid for patienterne, men hjælper også læger ved at muliggøre øjeblikkelige behandlingsforskrifter efter den indledende vævsdiagnose. Denne præcisionsonkologimetode er mere pålidelig end konventionelle genomiske tests, da AI‑tests har en ubetydelig fejlrates. Til sammenligning har konventionelle genomiske tests en fejlrates på mellem 20 og 30 %, hvilket ofte kræver gentest eller en invasiv biopsi.

AI‑identifikationen af HRD gør det muligt for denne metode at levere præcis og øjeblikkelig påvisning af kræftgenomiske biomarkører. 

Forskere og videnskabsfolk, der har været involveret i dette område i lang tid, mener, at gennembruddet er betydningsfuldt. Når de forklarer årsagerne, siger Scott Lippman, M.D., UC San Diegos fremtrædende professor i medicin, Center for Engineering and Cancer, og medlem af Moores Cancer Center:

“Præcisionsonkologiens æra tog fart i slutningen af 1990’erne, men nyere amerikanske studier viser, at langt de fleste kræftpatienter ikke får FDA‑godkendt præcisionsbehandling. Og den primære årsag er, at de ikke bliver testet. Som klinisk onkolog — og jeg har arbejdet med dette i næsten 40 år — er der ingen tvivl om, at denne tilgang er fremtiden for præcisionsonkologi.”

Den teknologi, der udgør grundlaget for DeepHRD, er beskyttet af foreløbige patenter udstedt gennem UC San Diego. Disse patenter er licenseret til io9, et firma med Alexandrov, Bergstrom og Lippman.

I det næste afsnit ser vi kort på dette firma for at forstå, hvilke kapaciteter det er bygget til at håndtere, og hvilke løsninger det hidtil har leveret!

#1. Io9: AI-drevet digital patologi

Io9 har allerede en AI-platform, der effektivt udfører molekylær profilering fra rutinemæssige kliniske glider. Denne platform kan opdage genomiske biomarkører fra digitale glider, hvilket gør adgang til behandling mulig for alle patienter verden over.

Ud over HRD‑biomarkørløsningen, der nu vil fungere for bryst‑ og æggestokkræft og i fremtiden for bugspytkirtelkræft, er io9 også aktiv på en række biomarkører, herunder KRAS, EGFR og BRAF, som vil vise sig nyttige inden for lunge-, kolorektal- og brystkræft samt metastatisk melanom i fremtiden. 

Ludmil B. Alexandrov er grundlægger og Chief Scientific Officer for io9, mens Scott M. Lippman, en af de øvrige grundlæggere, sidder i bestyrelsen. 

Selvom io9 er en afspaltning af en enhed for undervisere og forskere, så de kan fortsætte med deres innovationer i en opskaleret, kommerciel form, er der også store virksomheder aktive inden for dette område, hvor AI møder onkologisk diagnostik og behandling. 

#2. GE Healthcare

Den første dag i maj 2024 annoncerede GE HealthCare (Nasdaq: GEHC) Revolution RT, en ny stråleterapi-computed tomography (CT)-løsning med innovativ hardware og software, som vil forenkle simuleringsarbejdsgangen og gøre onkologisk pleje mere personlig og problemfri. Revolution RT blev præsenteret på European Society for Therapeutic Radiology and Oncology (ESTRO) 2024-konferencen i Glasgow med en opdateret kunstig intelligens (AI)-forbedret version af Intelligent Radiation Therapy (IRT)-platformen.

Mens han talte om inddragelsen af AI i deres onkologiløsninger, sagde Dr. Taha Kass-Hout, chef for teknologi og videnskab hos GE HealthCare, følgende:

“Hos GE HealthCare er vi forpligtede til at skubbe grænserne for onkologisk behandling fremad gennem AI‑drevne teknologier, der transformerer og optimerer plejekæden.”

Når han opsummerede fordelene ved at indarbejde AI, sagde Dr. Taha Kass-Hout, at forbedringen vil hjælpe med at visualisere patientens anatomi med stor nøjagtighed og lette præcis tumor‑targeting, samtidig med at den beskytter omkringliggende sundt væv. Dette vil resultere i “et præcist, mere sammenhængende og effektivt plejemiljø, der accelererer leveringen af personlig pleje med målet om at muliggøre bedre patientresultater.”

For hele året 2023 rapporterede GE Healthcare en omsætning på US$19,6 milliarder, hvilket udgør en stigning på 7 % år‑over‑år og 8 % på organisk basis med vækst på tværs af alle segmenter og regioner.

#3. iCAD

En anden med‑tech-virksomhed, som er meget mindre i størrelse, men bred i dækning, indflydelse og ambition, iCAD, udfører specifikt AI‑fokuseret arbejde inden for brystkræft. Virksomheden henter sin vision og formål fra reelle trusler, der findes på jorden. Data viser, at 1 ud af 8 kvinder vil få brystkræft i løbet af deres liv, og så højt som 20‑40 % af disse kræftformer går glip af i mammografi‑screeninger.

Med en kvinde, der diagnosticeres med brystkræft hver 14. sekund globalt, er vurderingen af kræftrisiko med traditionelle modeller kun 63 % præcis.

iCAD’s platform ProFound Breast Health Suite fokuserer på påvisning, tæthed og risiko, og kaster et større lys på kræften og afslører dens skjulte steder.

I påvisningsfasen integrerer ProFound’s løsning de seneste fremskridt inden for dyb læring, 3. generations kunstig intelligens (AI). Nøjagtigheden og effektiviteten er ganske hidtil usete for 2D‑ og 3D‑mammografi‑screening med op til 2‑gange forbedret klinisk præstation sammenlignet med andre AI‑platforme.

Mens han uddyber ProFound AI’s evner til at påvise brystkræft ud fra brysttæthed, sagde Gabriele Pedicalli, MD, Wooster Community Hospital:

“ProFound AI hjælper os ikke kun med at gennemgå sager med fedtet væv, men vi ser også en endnu større fordel for kvinder med tætte bryster. Før ProFound AI kunne jeg have læst en sag med tætte bryster og tænkt: ‘Lad os kalde dem tilbage om 6 måneder eller et år,’ men med ProFound AI kan vi lettere afgøre, om vi skal foretage en ny undersøgelse eller en biopsi.”

Endelig, i risikovurderingssegmentet, gør ProFound’s AI‑drevne løsning det muligt at have verdens første billedbaserede risikomodel, som er 2,4‑gange mere præcis end traditionelle modeller. Den fungerer fremragende, når det gælder identifikation af kvinder med høj risiko for at udvikle kræft før eller ved deres næste screening for at hjælpe med at finde intervalkræft tidligere.

For hele året 2023 var iCAD’s samlede omsætning US$17,3 millioner, en nedgang på 13 %.

Fremtiden for AI-drevet præcisionsonkologi

I april 2024 undersøgte det globalt anerkendte tidsskrift Nature grundigt AI’s rolle i præcisionsonkologi. Det anerkendte AI’s transformative evne i dette område, som deres indledende bemærkninger var:

“Forskning inden for kræft og præcisionsonkologi gennemgår en massiv transformation på grund af anvendelsen af kunstig intelligens (AI).”

Mere specifikt fremhævede artiklen AI’s rolle i at opdage skjulte mønstre fra flere informationskilder, herunder molekylær profilering, patologi og medicinsk billeddannelse. Den værdsatte også AI for at integrere omics‑data for at give en mere omfattende forståelse af kræft. Ud over overvågning og diagnostik har AI også været meget nyttig i udviklingen af nye assays til karakterisering af kræft, prognostik og forudsigelse af respons på specifikke behandlinger. 

Dog glemte opsummeringsrapporten ikke at nævne de begrænsninger og udfordringer, der opstod, da disse nye værktøjer blev overført fra forskningsmiljøer til klinisk praksis.

Der er mange eksempler på værktøjer fra forskningsmiljøer, der med succes er overført til klinisk praksis. For eksempel lancerede Apollo Cancer Centre i Bengaluru i et udviklingsland som Indien Indiens første AI‑Precision Oncology Centre (POC) i januar 2024.

“Klinisk hjælper det med overholdelse af behandlingsforløb ved at overvåge overholdelse af standardiserede behandlingsveje, også for patientstyring baseret på genomiske, kliniske og patologiske profiler. Kliniske alarmer og anbefalinger til diagnostiske tests, tilmelding til Value‑Based Care (VBC) og andre patientfordelsprogrammer er nogle af anvendelserne. Patient‑afbrud og patient‑rapporterede resultatmålinger (PROMs) alarmer for rettidige indgreb er blandt de øvrige fordele.”

Brugen af AI i kræftdiagnostik forventes at opleve en enorm vækst i fremtiden. Ifølge en rapport udgivet af Towards Healthcare forventes AI i kræftdiagnostik at stige med en sammensat årlig vækstrate (CAGR) på 9,35 % fra 2023 til 2032, med markedet på vej mod at nå et anslået beløb på USD 2.084,34 millioner ved udgangen af 2032 fra US$892,23 millioner i 2022.

Karakteristisk kan det med sikkerhed siges, at AI vil hjælpe med at forbedre diagnostisk nøjagtighed og markant forbedre effektiviteten i behandlingsplanlægning!

Klik her for at lære alt om investering i kunstig intelligens.