AI kan mogelijk beter voorspellen welke patiënten met gevorderde niet-kleincellige longkanker (NSCLC) baat hebben bij immunotherapie. Binnen het internationale I3LUNG-project ontwikkelden onderzoekers modellen die verschillende soorten patiëntgegevens combineren om behandelrespons en overleving te voorspellen.
Immunotherapie heeft de behandeling van longkanker sterk veranderd en levert bij ongeveer 20 tot 30 procent van de patiënten langdurig voordeel op. De meeste patiënten ontwikkelen echter resistentie tegen de behandeling. Voor artsen blijft het lastig om vooraf te bepalen wie waarschijnlijk zal reageren. Bij behandelbeslissingen wordt momenteel onder meer gekeken naar de biomarker PD-L1, maar die heeft volgens de onderzoekers duidelijke beperkingen. Betere voorspellingen zouden kunnen helpen om patiënten eerder de meest passende behandeling te geven en onnodige bijwerkingen en kosten te voorkomen.
Combinatie van patiëntgegevens
Aan het onderzoek deden 2.396 patiënten met gevorderde NSCLC mee die immunotherapie kregen in zes centra in Italië, Duitsland, Griekenland, Israël, Spanje en de Verenigde Staten. De onderzoekers verzamelden onder meer klinische gegevens, beeldvorming, pathologische informatie en genetische data.
Met deze informatie werden twee groepen AI-modellen ontwikkeld en getest. Een model dat alleen klinische gegevens en bloedwaarden gebruikte, behaalde een AUC van 0,77. Een uitgebreider model, waarin ook medische beelden en digitale pathologie werden meegenomen, kwam uit op 0,88. Volgens de onderzoekers presteerden de AI-modellen daarmee consequent beter dan de gebruikelijke klinische biomarkers.
De AUC geeft aan hoe goed een model onderscheid kan maken tussen verschillende uitkomsten. Een hogere waarde betekent dat het model daar beter in slaagt. De resultaten laten bovendien zien dat ook gegevens die in de dagelijkse zorg relatief eenvoudig beschikbaar zijn, bruikbaar kunnen zijn voor AI-ondersteunde voorspellingen.
AI verbetert prestaties artsen
De onderzoekers bekeken daarnaast wat er gebeurt wanneer artsen de AI als beslisondersteuning gebruiken. Twintig artsen, onder wie tien longkankerexperts en tien artsen uit andere specialismen, beoordeelden honderd echte patiëntcasussen. Dat deden zij eerst zonder en vervolgens met ondersteuning van het AI-model.
Met AI verbeterde hun vermogen om patiënten te herkennen die op immunotherapie zouden reageren. De AUC steeg daarbij van 0,72 naar 0,87. Vooral artsen die niet gespecialiseerd waren in longkanker profiteerden van de ondersteuning. Dat kan volgens de onderzoekers relevant zijn voor ziekenhuizen en oncologische centra waar niet altijd gespecialiseerde thoracale oncologische expertise beschikbaar is.
Ook nam de overeenstemming tussen artsen toe van gering naar matig. Volgens senior auteur en thoracaal oncoloog Marina Garassino van UChicago Medicine is de aansluiting tussen de redenering van arts en AI belangrijk voor het vertrouwen in AI-ondersteunde besluitvorming.
Test met ruim 2.000 patiënten
De gepubliceerde resultaten hebben betrekking op de retrospectieve fase van I3LUNG. Daarmee is nog niet aangetoond dat gebruik van het systeem in de dagelijkse klinische praktijk daadwerkelijk tot betere behandeluitkomsten leidt.
Daarom is inmiddels een prospectieve fase gestart. Daarvoor worden opnieuw meer dan 2.000 patiënten geïncludeerd in dezelfde zes internationale centra. De onderzoekers willen niet alleen kijken naar de voorspellende prestaties van de modellen, maar ook naar de vraag hoe de technologie kan worden ingezet om behandelkeuzes te optimaliseren en hoe bruikbaar het systeem in de praktijk is.
Het uiteindelijke doel is om immunotherapie bij gevorderde longkanker beter af te stemmen op de individuele patiënt. De huidige resultaten laten zien dat AI daarbij aanvullende informatie kan leveren bovenop bestaande biomarkers. De lopende prospectieve studie moet duidelijk maken welke meerwaarde deze ondersteuning daadwerkelijk heeft voor behandelbeslissingen en patiëntenzorg.
Nederlands onderzoek
Begin dit jaar startte apotheker-promovendus Justine Cuperus van het HagaZiekenhuis een onderzoek naar het voorspellen van de effectiviteit en bijwerkingen van immuuntherapie bij uitgezaaide longkanker. Met twee op AI gebaseerde modellen wil zij achterhalen welke patiënten baat hebben bij deze intensieve behandeling en wie onnodig risico loopt. Voor haar onderzoek werden gegevens van 2.400 patiënten uit 5 Nederlandse ziekenhuizen verzameld.
Referenties
Nature Medicine (onderzoek)
Voeg ICT&health toe aan Google
Toon meer content van ICT&health in Google Zoeken.
