Präzisionsmedizin kostet ein Vermögen, könnte aber später Geld sparen.

0

GesundheitPräzisionsmedizin
Künstliche Intelligenz
Krebs

Da Wissenschaftler ein tieferes Verständnis von Krebs gewinnen, haben wir begonnen, die Behandlungen auf bestimmte Arten der Erkrankung zuzuschneiden. Indem wir einen Krebstumor durch fortschrittliche molekulare Tests bringen, können wir herausfinden, welche Proteine und Gene spezifisch für diesen speziellen Tumor sind und ihn mit der effektivsten Behandlung kombinieren. Die Ergebnisse sind signifikante Verbesserungen in den Überlebensraten jener Patienten, die das Glück haben, eine Krebsart zu haben, für die eine Behandlung verfügbar ist.

Das Problem ist, dass zu wenige Patienten so viel Glück haben. Trotz umfangreicher Krebsforschung in den letzten Jahrzehnten haben nur eine Handvoll gezielter Therapien die klinische Praxis erreicht – zwischen 8 und 15 Prozent der Krebspatienten in den USA haben Anspruch auf eine gezielte Therapie. Wir haben große Fortschritte in der Krebsbehandlung gemacht, aber wir müssen es besser machen.

Ein Teil des Problems ist, dass Krebs eine komplexe Krankheit ist, die nicht nur Hunderte von genetischen Mutationen, sondern auch andere biologische Mechanismen umfasst. Derzeit verlassen wir uns fast ausschließlich auf die genetische Untersuchung von Krebstumoren, um eine passende Therapie zu finden. Die Ergebnisse sind gemischt. Wenn zum Beispiel ein Brustkrebstumor positiv auf Überexpression des HER-2-Gens getestet wird, wird das Medikament Trastuzumab wahrscheinlich eine wirksame Behandlung sein; aber wenn der Tumor in der Lunge vorhanden ist, wird diese Behandlung nicht so gut funktionieren. Ebenso bedeutet die Existenz der BRAF V600E-Mutation bei Hautkrebstumoren, dass Vemurafenib wahrscheinlich wirksam sein wird; bei Darmkrebs jedoch nicht.

Was in der molekularen Analyse fehlt, sind relevante Informationen über die Art des Gewebes, in dem ein Krebs auftritt. Ob ein Tumor in der Brust, der Lunge oder im Dickdarm auftritt, ist relevant für die Behandlungsmöglichkeiten von Medikamenten, die direkt auf einen Tumor abzielen. Noch wichtiger kann es für die Immuntherapie sein, bei der Medikamente nicht direkt auf Tumorzellen, sondern auf die Interaktion zwischen Tumorzellen und Immunzellen abzielen.

Die künstliche Intelligenz gibt uns einen umfassenderen Einblick in den Kampf, der in einem Tumor zwischen Krebszellen, Medikamenten und dem Immunsystem tobt. Wenn Humanpathologen eine Gewebeprobe unter dem Mikroskop betrachten, sind sie sich in 48 Prozent der Fälle nicht einig über die Diagnose. Das macht es schwierig, eine Möglichkeit zu entwickeln, den Gewebetyp umfassend zu analysieren. Jetzt, da Gewebeschnitte gescannt und digitalisiert werden können, kommt die Leistungsfähigkeit der KI-Software jedoch bei großen Datenmengen zum Tragen, die für einen Humanpathologen nicht verfügbar sind. Durch die Schulung von KI-Algorithmen auf Gewebeschnittbildern von Krebspatienten und Daten über klinische Ergebnisse als Reaktion auf die Behandlung können wir Vorhersagen auf der Grundlage einer größeren Bandbreite an Komplexität treffen, als es die traditionelle, nicht-digitale Pathologie bewältigen kann.

Schild
nach oben
für unseren Newsletter

Registrieren Sie sich
Update
Ihre Präferenzen ”

Letztendlich würde keine einzige Art von Daten ausreichen, um das Ansprechen eines Tumors auf die Behandlung genau vorherzusagen. Eine Kombination von Daten, die Genetik, Gewebetypenanalyse und andere Faktoren beinhalten, ist notwendig. Letztendlich glauben wir, dass die KI-gestützte datengestützte Analyse dazu beitragen wird, die Zahl der Patienten zu erhöhen, die von einer gezielten Krebstherapie profitieren können.

Brandon B. Suh, M.D., M.P.H., M.B.A., ist CEO von Lunit, einem KI-Unternehmen, das Technologien für datengesteuerte Entscheidungen in der Krebsbehandlung entwickelt.

<![endif]–>

Share.

Leave A Reply