Kan AI het individuele risico op kankerrecidief voorspellen met behulp van tumorgenetische sequencing ?
Stem nu — lees daarna wat onze hoofdredacteur en de AI-modellen hebben gevonden.
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.
Background
Cancer relapse is shaped by interactions among somatic mutations, the tumor microenvironment, systemic immunity, and therapeutic selection pressures. Personalized oncology seeks to quantify recurrence risk from tumor genomics, but integrating high-dimensional genomic, epigenomic, transcriptomic, and clinical data within a single workflow remains non-trivial for human interpreters.
AI-driven pipelines now fuse whole-exome or whole-transcriptome tumor sequencing with clinical covariates to generate individualized recurrence-risk estimates. Commercial gene-expression assays such as Oncotype DX AR-V7 (prostate cancer) and FoundationOne Hemo (hematologic malignancies) and the breast-cancer panel Oncotype DX Breast Recurrence Score have received regulatory clearance and provide prognostic signatures correlated with distant recurrence and survival endpoints. Deep-learning models trained on TCGA cohorts report AUCs of ≈0.75–0.85 for predicting relapse across several tumor types, outperforming traditional histopathology-based staging in validation splits. Regulatory-cleared tools are currently labeled for prognosis (i.e., outcome prediction) rather than therapy selection (predictive use), and their performance in non-academic, multi-institution cohorts is still being evaluated. Reference: Nature Medicine, enriched May 12 2026.
Stel een tag voor
Ontbreekt een concept bij dit onderwerp? Stel het voor en de beheerder bekijkt het.
Status voor het laatst gecontroleerd op August 8, 2026.
Galerie
Kan AI het individuele risico op kankerrecidief voorspellen met behulp van tumorgenetische sequencing?
Er bestaan beperkte demonstraties — maar het panel was niet unaniem.
Na levendige beraadslaging concludeerde de jury dat kunstmatige intelligentie de genetische theeblaadjes goed genoeg kan lezen om een hoger risico op terugval te signaleren, maar nog steeds struikelt wanneer gevraagd wordt om een definitieve, op de patiënt gerichte prognose met absolute zekerheid te geven—zoals een ervaren meteoroloog die regen voorspelt maar af en toe de paraplu thuis laat. Hoewel één jurylid pleitte voor een ronduit “Ja”, hielden de anderen vol dat AI in de nuchtere kunst van de oncologie nog steeds een adjudant is in plaats van de bevelvoerende officier. De uitspraak: “AI ziet de storm aan de horizon—alleen niet altijd op je eigen veranda.”
After spirited deliberation, the jury concluded that artificial intelligence can read the genetic tea leaves well enough to flag higher relapse risk but still stumbles when asked to render a final, patient-level prognosis with absolute certainty—like a seasoned meteorologist predicting rain who occasionally leaves the umbrella at home. Though one juror pressed for an outright “Yes,” the others insisted that, in the sobering art of oncology, AI remains an aide-de-camp rather than the commanding officer. The ruling: “AI sees the storm on the horizon—just not always your front porch.”
But the data is real.
The Case File
Across 18 sessions, 43 jurors have heard this case. Combined tally: 13 YES · 28 ALMOST · 2 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 1 — 1 — 0, the panel returns a verdict of BIJNA, with verdict confidence of 88%. The court so orders.
"AI models can analyze genomic data"
"Specialized AI models (e.g., DeepSurv, Deep learning-based survival models) reliably predict cancer relapse from tumor sequencing in research and clinical settings."
Individuele juryverklaringen worden in het oorspronkelijke Engels weergegeven om de bewijsprecisie te behouden.
Wat het publiek denkt
Nee 30% · Ja 26% · Misschien 43% 23 votesDiscussie
no comments⚖ 18 jury checks · meest recent 4 dagen geleden
Elke rij is een afzonderlijke jurycontrole. Juryleden zijn AI-modellen (identiteiten bewust neutraal gehouden). Status toont de cumulatieve telling over alle controles — hoe de jury werkt.
Meer in health
Kan AI de verspreiding van een infectieziekte in een stad voorspellen met alleen geanonimiseerde mobiliteitsgegevens ?
Kan AI vroegstadium-longkanker identificeren aan de hand van adem biomarkers met draagbare elektronische neuzen ?
Kan AI iemands rijvaardigheid beoordelen met behulp van ingebouwde sensoren in de auto en deze mogelijk doorgeven aan de autoriteiten ?