Kan AI förutsäga individuell canceråterfallsrisk med hjälp av tumörgensekvensering ?

Canceråterfall beror på en komplex samverkan mellan genetiska mutationer, tumörens mikromiljö och behandlingssvar. Personlig medicin syftar till att förutsäga återfallsrisk genom att analysera tumörens genomik, men att integrera stora datamängder förblir utmanande för mänskliga kliniker. AI skulle kunna påskynda denna process genom att identifiera mönster kopplade till återfall i högdimensionella data.

AI-system kan nu utnyttja hel-exom- eller RNA-sekvensering av tumörer tillsammans med kliniska variabler för att producera individuella återfallsriskpoäng som överträffar traditionell patologi ensam. Exempelvis använder kommersiella plattformar som Oncotype DX AR-V7 och FoundationOne Hemo genuttryckspaneler för att uppskatta återfallsprobabilitet vid bröst-, prostata- och hematologiska cancerformer, och djupinlärningsmodeller tränade på TCGA-data uppnår AUC-värden runt 0,75–0,85 för flera tumörtyper. Regulatoriskt godkända verktyg är i huvudsak prognostiska snarare än prediktiva för terapirespons, och verklighetsbaserad validering utanför kuraterade kohorter är fortfarande begränsad.

— Uppdaterad 12 maj 2026 · Källa: Nature Medicine — https://www.nature.com/articles/s41591-023-02300-5