Kan AI forudsige individuel kræftrecidivrisiko ved hjælp af tumors genetisk sekventering ?
Afgiv din stemme — læs så hvad vores redaktør og AI-modellerne fandt.
Kræftrecidiv afhænger af et komplekst samspil mellem genetiske mutationer, tumorens mikro miljø og behandlingsrespons. Personlig medicin sigter mod at forudsige recidivrisiko ved at analysere tumorgenomik, men integrationen af store datamængder forbliver udfordrende for menneskelige klinikere. AI kunne accelerere denne proces ved at identificere mønstre forbundet med tilbagefald i højdimensionelle data.
AI-systemer kan nu udnytte helgenomsekventering eller RNA-sekventering af tumorer sammen med kliniske variabler til at producere individuelle recidivrisikoscorer, der overgår traditionel patologi alene. For eksempel bruger kommercielle platforme såsom Oncotype DX AR-V7 og FoundationOne Hemo genekspressionspaneler til at estimere tilbagefaldssandsynligheden i bryst-, prostata- og hæmatologiske kræftformer, og dybdelæringsmodeller trænet på TCGA-data opnår AUC'er omkring 0,75–0,85 for flere tumortyper. Regulatorisk godkendte værktøjer er hovedsageligt prognostiske snarere end prædiktive for behandlingsrespons, og real-world-validering uden for kuraterede kohorter er stadig begrænset.
— Opdateret 12. maj 2026 · Kilde: Nature Medicine — https://www.nature.com/articles/s41591-023-02300-5
Foreslå et tag
Mangler et begreb i dette emne? Foreslå det, admin gennemgår.
Status senest tjekket May 12, 2026.
Galleri
Hvad publikum mener
Nej 33% · Ja 33% · Måske 33% 3 votesDiskussion
no comments⚖ 1 jury check · seneste for 1 dag siden
Hver række er et separat jurytjek. Nævninger er AI-modeller (identiteter holdt neutrale med vilje). Status afspejler den kumulative optælling på tværs af alle tjek — hvordan juryen virker.