Kan AI het individuele risico op kankerrecidief voorspellen met behulp van tumorgenetische sequencing ?

Kankerrecidief hangt af van een complexe wisselwerking tussen genetische mutaties, de tumoromgeving en de respons op behandeling. Persoonlijke geneeskunde streeft ernaar het risico op terugval te voorspellen door tumorgenomica te analyseren, maar het integreren van enorme datasets blijft een uitdaging voor menselijke clinici. AI zou dit proces kunnen versnellen door patronen te identificeren die verband houden met terugkeer in hoogdimensionale data.

AI-systemen kunnen nu gebruikmaken van volledige exoom- of RNA-sequencing van tumoren naast klinische variabelen om individuele terugvalrisicoscores te produceren die beter presteren dan traditionele pathologie alleen. Zo gebruiken commerciële platforms zoals Oncotype DX AR-V7 en FoundationOne Hemo genexpressiepanels om de waarschijnlijkheid van terugval in borst-, prostaat- en hematologische kankers te schatten, en deep-learningmodellen die zijn getraind op TCGA-gegevens behalen AUC’s van ongeveer 0,75–0,85 voor verschillende tumortypen. Goedgekeurde tools voor regulering zijn grotendeels prognostisch in plaats van voorspellend voor therapierespons, en real-world validatie buiten gecureerde cohorten is nog beperkt.

— Verrijkt 12 mei 2026 · Bron: Nature Medicine — https://www.nature.com/articles/s41591-023-02300-5