Betre risikostratifisering av pasientar med tarmkreft med levermetastasar

Forskningsmidlar frå Kreftforeningen er pengar samla inn frå det norske folket og er eit viktig bidrag til norske kreftforskningsmiljø. Det var mange søknadar i år og konkurranse var tøff. Målet med prosjektet vårt er å nytte kunstig intelligens (KI) for betre risikostratifisering av pasientar med tarmkreft med levermetastasar

Mange pasientar

Aukande levealder gjer at fleire får ei kreftdiagnose. Prognostiske og prediktive markørar er avgjerande for å gje rett behandling til rett pasient. Trass framsteg innan diagnostikk og behandling er tarmkreft framleis eit stort helseproblem. Tjukk- og endetarmskreft er den nest vanlegaste kreftforma og den nest vanlegaste årsaka til kreftdød i Noreg. Ein stor del av pasientane får metastase (20% har metastasar på diagnosetidspunktet, og ytterlegare 25% får fjernmetastasar etter operasjon for lokalisert tjukk- og endetarmskreft). Leveroperasjon og cellegiftbehandling er vanlege metodar for behandling av levermetastasar frå tarmkreft, men kven som bør få leveroperasjon og kven som ikkje har nytte av operasjon er eit vanskeleg spørsmål. Omlag 40 % av pasientane som får leveroperasjon får tilbakefall innan eitt år etter operasjonen, noko som illustrerer behovet for betre verktøy for å finne best mogleg behandling for kvar pasient. 

Ny teknologi

Kunstig intelligens (KI) endrer samfunnet radikalt, inkludert helsetenester og medisinsk diagnostikk. Djup læring (DL) er ein type KI som er godt eigna for visuelle gjenkjenningsoppgåver og har vist seg å vera særleg nyttig i medisinsk biletanalyse. Institutt for kreftgenetikk og informatikk (IKI) ved Oslo universitetssjukehus har lang erfaring i digital patologi og har dei siste 8 åra bygd eit sterkt miljø for DL innan medisinsk biletanalyse. Vi har m.a. utvikla modellar som kan føreseie tilbakefall og kreftdød frå digitaliserte patologibilete av tarmkreftsvulstar. Liknande metode og teknologi vil bli brukt i dette prosjektet.

Prosjektsamandrag

I dette prosjektet er målet å utvikle djuplæringsmodellar som kan føreseie tilbakefall og død hos pasientar med levermetastasar frå tarmkreft, for å tilpasse adjuvant cellegiftbehandling og oppfølging. Ei meir persontilpassa behandling kan auke både levetid og livskvalitet, og er samfunnsøkonomisk gunstig. Vi ynskjer å forstå og forklare kva biologiske forhold og mekanismar som blir plukka opp av djuplæringsmodellane, både for å få betre innsikt i kreft og kreftutvikling samt for å kunne utvikle meir presise prediksjonsmodellar. Vi skal samanstille pasientprediksjonane med ei karakterisering av celler og vev med målsetjing om å identifisere biologiske mekanismar involvert i metastasering.