Hopp til innhold
NHI.no
Annonse
Nyhetsartikkel

KI kan brukes til å påvise infiltrasjon fra et gliom

En kritisk utfordring i gliombehandling er å oppdage tumorinfiltrasjon under kirurgi for å oppnå sikker maksimal reseksjon. En studie har sett på om KI kan forbedre operasjonsresultatene.

To leger studerer CT-bilde av hjernen.
Illustrasjonsbilde: Colourbox

Terje Johannessen, professor dr. med.

Sist oppdatert:

23. des. 2024

Denne nyhetssaken er basert på en artikkel i Nature1.

Viktigheten av å oppdage tumorinfiltrasjon i kirurgiske vevsprøver under en operasjon har lenge vært kjent2. Til tross for nevrokirurgenes innsats for å oppnå et best mulig utfall til pasienter med kreft, er gjenværende svulst etter operasjon en stor utfordring3. For hjernesvulster resulterer gjenværende svulstvev i dårligere livskvalitet, redusert pasientoverlevelse og økt belastning på helsetjenesten4-5. Forekomsten av gjenværende svulstvev har ikke blitt bedre de siste to tiårene5.

Annonse

Forfatterne har tatt i bruk verktøyet FastGlioma, et diagnostisk system basert på kunstig intelligens (KI) med åpen kildekode. FastGlioma sørger for rask (<10 s) og nøyaktig påvisning av gliominfiltrasjon i ferskt, ubehandlet kirurgisk vev. FastGlioma ble forhåndstrent ved å bruke rundt 4 millioner bilder av optisk mikroskopi og finjustert for å gi en normalisert poengsum som indikerer graden av tumorinfiltrasjon i optiske bilder.

I en prospektiv, multisenter, internasjonal testkohort av pasienter med diffust gliom (n = 220), var FastGlioma i stand til å oppdage og kvantifisere graden av tumorinfiltrasjon. FastGlioma utkonkurrerte bildeveiledet og fluorescensstyrte tilleggsprodukter for å oppdage tumorinfiltrasjon under kirurgi med bred margin i en head-to-head, prospektiv studie (n = 129). Ytelsen til FastGlioma forble høy uavhengig av pasientdemografi, medisinske sentre og ulike diffuse gliommolekylære subtyper.

Forfatterne konkluderer at FastGlioma kan brukes både hos voksne og barn med hjernesvulst, og demonstrerer et potensial for å kunne brukes som et generelt hjelpemiddel for å veilede under hjernesvulstoperasjoner. Gitt sammenhengen mellom omfanget av reseksjon og overlevelse, demonstrerer dette verktøyet et potensial for utbredt bruk ved ulike typer hjernesvulster, øker den kirurgiske presisjon og potensielt forbedrer pasientresultatene.

  1. Kondepudi A, Pekmezci M, Hou X, et al. Foundation models for fast, label-free detection of glioma infiltration. Nature. Published online November 13, 2024. doi:10.1038/s41586-024-08169-3 DOI
  2. Karschnia P, Young JS, Dono A, et al. Prognostic validation of a new classification system for extent of resection in glioblastoma: A report of the RANO resect group. Neuro Oncol. 2023;25(5):940-954. doi:10.1093/neuonc/noac193 DOI
  3. Sullivan R, Alatise OI, Anderson BO, et al. Global cancer surgery: delivering safe, affordable, and timely cancer surgery. Lancet Oncol. 2015;16(11):1193-1224. doi:10.1016/S1470-2045(15)00223-5 DOI
  4. Sanai N, Polley MY, McDermott MW, Parsa AT, Berger MS. An extent of resection threshold for newly diagnosed glioblastomas. J Neurosurg. 2011;115(1):3-8. doi:10.3171/2011.2.jns10998 DOI
  5. Orosco RK, Tapia VJ, Califano JA, et al. Positive Surgical Margins in the 10 Most Common Solid Cancers. Sci Rep. 2018;8(1):5686. Published 2018 Apr 9. doi:10.1038/s41598-018-23403-5 DOI
Annonse
Annonse