A deep-learning model based on histological images predicts survival and pathological response to neoadjuvant chemotherapy and chemoimmunotherapy in breast cancer

Stel je voor dat je een detective bent die een mysterie probeert op te lossen in een piepkleine, bruisende stad. In deze stad, die een menselijk lichaam is, zijn de straten gemaakt van cellen. Soms gaat een groep cellen uit de pas en begint het een chaotische, gevaarlijke buurt te bouwen die een tumor wordt genoemd. Decennialang hebben artsen moeten raden hoe deze buurt zich zal gedragen: Zal het klein blijven? Zal het zich verspreiden? Zal het luisteren naar medicijnen? Om dit te weten, nemen ze meestal een minuscuul stukje van de stad, kleuren het met paarse en roze kleurstoffen (een proces dat H&E-kleuring wordt genoemd) en kijken er met een microscoop naar. Het is alsof je naar een wazige kaart kijkt om het weer te voorspellen.

Onlangs ontdekten wetenschappers een betere manier om de kaart te lezen: ze kunnen de "fluisteringen" van de cellen meten. Door naar de genetische code (de DNA-instructies) binnen de cellen te kijken, kunnen ze tellen hoeveel "soldaat"-cellen (immuuncellen) er in de buurt schuilen. Als er veel soldaten zijn, is het lichaam klaar om te vechten, en is de kans groot dat de tumor krimpt wanneer deze met speciale medicijnen wordt behandeld. Dit wordt een "genexpressie-signatuur" genoemd. Het is een krachtig hulpmiddel, maar het is duur, traag en vereist speciale apparatuur die niet elk ziekenhuis heeft. Het is alsof je een supercomputer nodig hebt om alleen maar het weer te controleren. Dus werd de grote vraag voor wetenschappers: Kunnen we naar de oude, eenvoudige, paars-roze kaart kijken en een superintelligent computerbrein (Artificiële Intelligentie) gebruiken om precies te voorspellen wat de dure genetische test zou zeggen? Als dat zou kunnen, zouden we de toekomst van de kanker kunnen voorspellen zonder de hoge kosten of de wachttijd.

Dit is precies waar het team onder leiding van François Bertucci zich op wilde richten. Ze bouwden een digitale detective, een AI-model genaamd "AI-ICR", dat getraind is om routinematige microscoopglijders van borstkanker te bekijken en de "soldatentelling" te voorspellen zonder ooit een genetische test uit te voeren.

Zo hebben ze hun digitale detective getraind. Eerst leerden ze het niet alleen over borstkanker; ze leerden het over tien verschillende soorten kanker, waaronder long-, huid- en darmkanker. Ze gebruikten een enorme bibliotheek van 2.881 microscoopglijders uit het Cancer Genome Atlas (TCGA), gekoppeld aan de werkelijke genetische testresultaten voor elk exemplaar. De AI leerde de visuele patronen in de paarse en roze kleurstoffen te herkennen die overeenkwamen met de aanwezigheid van die "soldaten"-genen. Denk eraan als het leren aan een kind om een stormwolk te herkennen aan de vorm en kleur, zelfs als het nog nooit regen heeft gezien. Zodra de AI hier een meester in was, testte het team het op een nieuwe groep van 1.087 borstkankerpatiënten uit dezelfde bibliotheek. Het resultaat? De AI was ongelooflijk nauwkeurig. Het raadde de "soldatenstatus" in 93,7% van de gevallen correct, een score die zo dicht bij perfect is als een computer kan komen in dit vakgebied.

Maar weten wat de status is, is slechts de helft van de strijd; de echte vraag is: Helpt dit artsen om levens te redden? Het team kwam tot de conclusieve conclusie dat het antwoord een volmondig ja is. Ze ontdekten dat patiënten wiens tumoren als "AI-ICR-hoog" werden gemarkeerd (wat betekent dat de AI veel soldaten zag), een veel grotere overlevingskans hadden. Sterker nog, deze patiënten hadden minder dan een derde van de kans om aan de ziekte te sterven vergeleken met de patiënten met "AI-ICR-laag" tumoren. Het is als een weervoorspelling die zegt: "Je bevindt je in een veilige zone," versus "Je bevindt je in een storm."

Het meest opwindende deel van het verhaal betreft de behandeling. Het team keek naar patiënten die "neoadjuvante" therapie kregen, wat betekent dat ze chemotherapie (en soms immunotherapie) krijgen voordat de operatie, om de tumor te verkleinen. Ze wilden zien of de AI kon voorspellen wie een "Pathologische Complete Respons" (pCR) zou bereiken. Dit is de "heilige graal" van de behandeling: wanneer de operatie plaatsvindt en de artsen absoluut geen kanker meer achterlaten.

Het AI-ICR-model was een kristallen bol voor dit doel. In de groep patiënten die standaard chemotherapie kregen, hadden de patiënten met "AI-ICR-hoog" tumoren een kans van 65% om na de operatie geen kanker meer over te houden, vergeleken met slechts 30% voor de "lage" groep. Maar de echte magie gebeurde toen ze immunotherapie toevoegden (medicijnen die de soldaten wakker maken). In deze groep hadden de "AI-ICR-hoog" patiënten een ongelooflijk succespercentage van 81% om geen kanker meer over te houden, terwijl de "lage" groep slechts 36% bereikte. De AI voorspelde niet alleen wie zou overleven; het voorspelde wie het meest waarschijnlijk een volledige respons op de behandeling zou bereiken.

De wetenschappers keken ook even onder de motorkap om te zien waarom de AI zo goed was. Ze controleerden de genetische gegevens van de tumoren die de AI als "hoog" labelde en vonden dat deze inderdaad vol zaten met immuun-genen en actieve soldaatcellen. De AI gokte niet alleen; het zag de biologische realiteit die verborgen zat in de kleuren van de slide.

De auteurs zijn echter voorzichtig in hun bericht dat dit geen afgewerkt product is dat morgen in elk ziekenhuis klaarstaat voor gebruik. Ze geven toe dat hun studie enkele beperkingen had. De "AI-ICR-hoog" groep had de neiging om tumoren te hebben die al bekend stonden als agressief (zoals drievoudig negatieve borstkanker), wat een beetje een gemengde zaak is: de AI identificeerde hen correct als hoog risico, maar identificeerde ook correct dat zij degenen waren die het meest waarschijnlijk zouden reageren op de sterke immuun-stimulerende medicijnen. De studie vertrouwde ook op een mix van oude en nieuwe soorten slides, en het team merkt op dat toekomstig werk de resultaten moet bevestigen in nog grotere groepen mensen en met verschillende soorten weefselmonsters.

Uiteindelijk suggereert dit artikel een opwindende mogelijkheid: we kunnen binnenkort een eenvoudige, goedkope microscoopslide en een slimme computer gebruiken om ons precies te vertellen hoe een borstkanker zal verlopen en welke medicijnen het beste zullen werken. Het verandert een complexe, dure genetische test in iets dat zo eenvoudig is als het bekijken van een foto, waardoor precisiegeneeskunde potentieel beschikbaar komt voor iedereen, en niet alleen voor de gelukkigen met toegang tot hightech laboratoria. De AI las niet alleen de kaart; het leerde de storm te voorspellen voordat de eerste druppel regen viel.