AI‑protokollet “DeepHRD” kommer att förändra tid och kostnader för cancerbehandling

Cancer fortsätter att vara ett hot världen över. Trots en mängd vetenskapliga innovationer är det fortfarande den främsta orsaken till förlorade liv globalt. 

År 2024 kommer, enbart i USA, uppskattningsvis två miljoner cancerfall att diagnostiseras, medan det totala antalet dödsfall förväntas överstiga 610 000. 

Beräkningar baserade på data från 2017–2019 visar att mer än 40 % av män och kvinnor i USA kommer att diagnostiseras med cancer någon gång under sin livstid. Ännu mer alarmerande är att i år kommer nästan 15 000 barn och ungdomar att diagnostiseras med cancer, och cirka 1 600 kommer tyvärr att avlida av den.

Situationen i USA speglar den globala bilden. Som en av de främsta dödsorsakerna världen över fanns det 2022 nästan 20 miljoner nya fall och 9,7 miljoner cancerrelaterade dödsfall globalt. Och det finns ingen lättnad på kort sikt. År 2040 förväntas antalet nya cancerfall per år stiga till 29,9 miljoner och antalet cancerrelaterade dödsfall till 15,3 miljoner.

Därför kräver cancerhotet insatser från hela det vetenskapliga, teknologiska och medicinska forskarsamhället. I nästa avsnitt kommer vi att diskutera en sådan insats som får människor världen över att vara optimistiska och entusiastiska över dess potential för framtida framsteg.

Klicka här för en lista över de bästa aktierna inom cancerterapi.

AI‑drivet precisionsonkologi för cancerbiopsier

En nyligen publicerad vetenskaplig artikel i Journal of Clinical Oncology nämnde sina ansträngningar att träna DeepHRD, en djupinlärningsplattform för att förutsäga HRD från hematoxylin‑ och eosinfärgade (H&E) histopatologiska bilder, med primära bröst‑ och äggstockscancer från The Cancer Genome Atlas (TCGA). 

Detta genombrott är betydelsefullt eftersom cancer med homolog rekombinationsbrist (HRD) drar nytta av platinasalter och poly(ADP‑ribos) polymerashämmare. Däremot kräver de standarddiagnostiska testerna för att upptäcka HRD molekylär profilering, vilket inte är allmänt tillgängligt.

Forskningsresultaten visade att DeepHRD kunde förutsäga HRD i bröst‑ och äggstockscancer direkt från rutinmässiga H&E‑bilder över flera externa kohorter, bildskannrar och vävnadsfixeringsvariabler. När resultaten jämfördes med det konventionella systemet för molekylär testning kunde DeepHRD‑plattformen klassificera 1,8‑ till 3,1‑ gånger fler patienter och uppvisade bättre överlevnad (OS) i höggradig serös äggstockscancer samt platinspecifik progressionsfri överlevnad (PFS) i metastaserande bröstcancer.

Även om resultaten visar medicinska samfundets skäl för entusiasm kring lösningen, innebar införandet av AI en stor förbättring inom den operativa logistiken för tidig cancerdiagnostik och tillhörande behandling.

Klicka här för att lära dig hur CRISPR kan användas för att behandla cancer.

Varför är införandet av AI‑protokollet avgörande?

Enligt forskarna vid UC San Diego som leder detta experiment möjliggör införandet av AI i systemet snabb och kostnadseffektiv upptäckt av kliniskt relevanta genomiska förändringar direkt från tumörbiopsibilder.

Forskarna tror att systemet kan spara veckor och tusentals dollar i kliniska onkologiska behandlingsflöden för bröst‑ och äggstockscancer.

Annars kan fördröjningarna inte bara vara livshotande, utan de kostsamma processerna kan också påverka patienter med begränsade resurser. På så sätt innebär införandet av AI en mer inkluderande cancerdiagnostisk process. 

Tyvärr har höga kostnader, vävnadskrav och långsam handläggningstid hindrat den breda användningen av precisionsonkologi, vilket har lett till suboptimal — potentiellt skadlig — behandling för cancerpatienter.

AI‑drivet genomtestning ger därför en lättnad. Det sparar inte bara kritisk tid för patienter utan hjälper också läkare genom att möjliggöra omedelbara behandlingsrecept efter den initiala vävnadsdiagnosen. Denna precisionsonkologimetod är mer pålitlig än konventionella genomtester, eftersom AI‑tester har en försumbar felprocent. I kontrast har konventionella genomtester en felprocent på mellan 20 och 30 %, vilket ofta kräver omtestning eller en invasiv biopsi.

AI‑identifikationen av HRD möjliggör att denna metod blir något som tillåter exakt och omedelbar upptäckt av cancergenomiska biomarkörer.

Forskare och vetenskapsmän som har varit involverade i detta område under en lång tid anser att genombrottet är betydelsefullt. När de förklarar skälen säger Scott Lippman, M.D., framstående professor i medicin vid UC San Diego, Center for Engineering and Cancer, och medlem i Moores Cancer Center:

“Precisionsonkologins era tog fart i slutet av 90‑talen, men nyliga amerikanska studier visar att den stora majoriteten av cancerpatienter inte får FDA‑godkänd precisionsbehandling. Och huvudorsaken är att de inte blir testade. Som klinisk onkolog — och jag har gjort detta i nästan 40 år — finns det ingen tvekan om att detta tillvägagångssätt är framtiden för precisionsonkologi.”

Den teknik som ligger till grund för DeepHRD är skyddad av provisoriska patent utfärdade via UC San Diego. Dessa patent har licensierats till io9, ett företag som involverar Alexandrov, Bergstrom och Lippman.

I nästa avsnitt tittar vi kort på detta företag för att förstå vilken typ av kapaciteter det är byggt för att hantera och vilka lösningar det hittills har levererat!

#1. Io9: AI‑driven digital patologi

Io9 har redan en AI‑plattform som effektivt utför molekylär profilering från rutinmässiga kliniska bilder. Denna plattform kan upptäcka genomiska biomarkörer från digitala bilder, vilket möjliggör tillgång till behandling för alla patienter världen över.

Förutom HRD‑biomarkörslösningen som nu fungerar för bröst‑ och äggstockscancer och i framtiden för bukspottkörtelcancer, är io9 också aktivt med ett flertal biomarkörer, inklusive KRAS, EGFR och BRAF, vilka kommer att vara användbara inom lung-, kolorektal- och bröstcancer samt metastatisk melanom i framtiden.

Ludmil B. Alexandrov är grundare och Chief Scientific Officer för io9, medan Scott M. Lippman, en av grundarna, sitter i styrelsen.

Även om io9 är ett spin‑off från en organisation för utbildare och forskare för att fortsätta arbeta med sina innovationer i en skalerad, kommersiell form, finns det också stora företag verksamma inom detta område där AI möter onkologisk diagnostik och behandling.

#2. GE Healthcare

Den första dagen i maj 2024 meddelade GE HealthCare (Nasdaq: GEHC) Revolution RT, en ny strålterapi‑datortomografi (CT)-lösning med innovativ hårdvara och mjukvara som förenklar simuleringsarbetsflödet och gör onkologisk vård mer personlig och sömlös. Revolution RT presenterades på European Society for Therapeutic Radiology and Oncology (ESTRO) 2024‑kongressen i Glasgow med en uppdaterad artificiell intelligens (AI)‑förbättrad version av Intelligent Radiation Therapy (IRT)-plattformen.

När Dr. Taha Kass-Hout, chef för teknik och vetenskap på GE HealthCare, talade om införandet av AI i deras onkologilösningar, sade han följande:

“På GE HealthCare är vi engagerade i att driva fram gränserna för onkologisk behandling genom AI‑drivna teknologier som omvandlar och optimerar vårdkedjan.”

När han redogjorde för fördelarna med att integrera AI sade Dr. Taha Kass-Hout att förbättringen skulle hjälpa till att visualisera patientens anatomi med hög precision och underlätta exakt tumörmålning samtidigt som man strävar efter att skydda närliggande frisk vävnad. Detta skulle resultera i ”en exakt, mer sammankopplad och effektiv vårdmiljö som påskyndar leveransen av personlig vård, med målet att möjliggöra bättre patientresultat.”

För hela år 2023 rapporterade GE Healthcare intäkter på US$19,6 miljarder, vilket motsvarar en ökning med 7 % år‑till‑år och 8 % på organisk basis med tillväxt i alla segment och regioner.

#3. iCAD

En annan med‑tech‑entitet, som är mycket mindre i storlek men har stor räckvidd, påverkan och ambition, iCAD, arbetar med specifikt AI‑inriktat arbete inom bröstcancer. Företaget hämtar sin vision och sitt syfte från verkliga hot som finns på marken. Data visar att 1 av 8 kvinnor kommer att få bröstcancer under sin livstid, och så mycket som 20‑40 % av dessa cancerfall missas vid mammografisk screening.

Med en kvinna som diagnostiseras med bröstcancer var 14:e sekund globalt är bedömningen av cancerrisk med traditionella modeller endast 63 % exakt.

iCAD:s plattform ProFound Breast Health Suite fokuserar på upptäckt, densitet och risk, och kastar ett starkare ljus på cancer samt avslöjar dess gömställen.

I upptäcktsfasen integrerar ProFounds lösning de senaste framstegen inom djupinlärning, tredje generationens artificiella intelligens (AI). Noggrannheten och effektiviteten är nästan utan motstycke för 2D‑ och 3D‑mammografisk screening med upp till 2‑gång förbättrad klinisk prestanda jämfört med andra AI‑plattformar.

När Gabriele Pedicalli, MD, Wooster Community Hospital, förklarade ProFound AI:s förmåga att upptäcka bröstcancer ur perspektivet av bröstdensitet, sade han följande:

“ProFound AI hjälper oss inte bara att granska fall med fettvävnad, utan vi ser också en ännu större fördel för kvinnor med täta bröst. Före ProFound AI kunde jag ha läst ett fall med täta bröst och tänkt, ‘Låt oss återkalla dem om 6 månader eller ett år’, men med ProFound AI kan vi enklare avgöra om vi bör göra en ny undersökning eller biopsi.”

Slutligen, i riskbedömningssegmentet, möjliggör ProFounds AI‑drivna lösning världens första bildbaserade riskmodell, som är 2,4‑gång mer exakt än traditionella modeller. Den är utmärkt för att identifiera kvinnor med hög risk att utveckla cancer före eller vid deras nästa screening för att hjälpa till att hitta intervallcancer tidigare.

För hela år 2023 var iCAD:s totala intäkter US$17,3 miljoner, en minskning med 13 %.

Framtiden för AI‑driven precisionsonkologi

I april 2024 granskade den globalt ansedda tidskriften Nature omfattande AI:s roll inom precisionsonkologi. Den erkände AI:s transformerande förmåga i detta område, med öppningsuttalandet:

“Fälten för cancerforskning och precisionsonkologi genomgår en enorm transformation på grund av tillämpningen av artificiell intelligens (AI).”

Mer specifikt belyste tidskriftsartikeln AI:s roll i att upptäcka dolda mönster från flera informationskällor, inklusive molekylär profilering, patologi och medicinsk bildbehandling. Den uppskattade också AI för att integrera omics‑data för att ge en mer heltäckande förståelse av cancer. Förutom övervakning och diagnostik har AI också varit mycket användbart för att utveckla nya analyser för att karakterisera cancer, prognostisera och förutsäga svar på specifika behandlingar.

Dock glömde sammanfattningsrapporten inte att nämna de begränsningar och utmaningar som uppstod när dessa nya verktyg överfördes från forskningsmiljöer till klinisk praxis.

Det finns många exempel på verktyg från forskningsmiljöer som framgångsrikt har överförts till klinisk praxis. Till exempel, i en utvecklingslandsekonomi som Indien, lanserade Apollo Cancer Centre i Bengaluru Indiens första AI‑Precision Oncology Centre (POC) i januari 2024.

Kliniskt hjälper det till med efterlevnad av vårdvägar genom att övervaka följsamhet till standardvårdvägar, även för patienthantering baserad på genomiska, kliniska och patologiska profiler. Kliniska varningar och rekommendationer för diagnostiska tester, registrering för Value‑Based Care (VBC) och andra patientförmånsprogram är några av användningsområdena. Patientavhopp och varningar om patientrapporterade resultatmått (PROMs) för snabba insatser är bland de andra fördelarna.

Användningen av AI i cancerdiagnostik förväntas uppleva en häpnadsväckande tillväxt i framtiden.

Enligt en rapport publicerad av Towards Healthcare förväntas AI inom cancerdiagnostik öka med en sammansatt årlig tillväxttakt (CAGR) på 9,35 % från 2023 till 2032, med marknaden på väg att nå en uppskattad värde på USD 2 084,34 miljoner i slutet av 2032 från US$892,23 miljoner år 2022.

Karaktäristiskt kan man med säkerhet säga att AI skulle hjälpa till att förbättra diagnostisk noggrannhet och avsevärt förbättra effektiviteten i behandlingsplaneringen!

Klicka här för att lära dig allt om att investera i artificiell intelligens.