Een Amerikaanse studie, gepubliceerd in npj Digital Medicine, stelt een artificiëel-intelligentiemodel (AI) voor dat de respons op neoadjuvante chemotherapie (NAC) bij spierinvasieve blaaskanker kan voorspellen. Het team onder leiding van Zilong Bai en Fei Wang (Weill Cornell Medicine) combineert histologische en moleculaire data om een gepersonaliseerde behandelaanpak mogelijk te maken.

Blaaskanker treft jaarlijks ongeveer 81.000 patiënten in de VS. De spierinvasieve vorm (MIBC) wordt standaard behandeld met NAC gevolgd door een radicale cystectomie. Deze aanpak is echter slechts bij ongeveer een derde van de patiënten effectief, en gaat gepaard met zware chirurgie en aanzienlijke bijwerkingen. De mogelijkheid om vooraf te voorspellen wie echt baat heeft bij NAC is dan ook een belangrijk medisch doel.

Het model, Graph-based Multimodal Late Fusion (GMLF), combineert analyses van digitaal histologisch beeldmateriaal (H&E-kleuring) met genexpressieprofielen van tumorbiopten. Het algoritme werd getraind met gegevens uit de SWOG S1314-studie, waarin 237 MIBC-patiënten waren opgenomen. Door deze data te combineren, behaalde GMLF een area under the curve (AUC) van 0,74, aanzienlijk beter dan modellen die alleen histologie of genomica gebruiken.

De innovatie zit in de integratie van ruimtelijke kenmerken van tumoren via een grafisch neuraal netwerk (SlideGraph+), gecombineerd met transcriptomische profielen dankzij een meerlaagse perceptron. Met behulp van het verklarende hulpmiddel SHAP konden de onderzoekers de belangrijkste genen identificeren: TP63, CCL5 en DCN, die bekendstaan om hun rol in tumorgroei en resistentie tegen cytotoxische therapieën. De histologische analyse toonde dat gebieden die voorspelden op een goede respons, een hogere dichtheid van tumor- en bindweefselcellen, minder necrose en een hoge tumor/stroma-verhouding vertoonden — een biomarker die eerder werd gesuggereerd maar hier autonoom door AI werd gedetecteerd.

Het onderzoek bracht ook de intratumorale heterogeniteit (ITH) in kaart, met twee methodes (Shannon-index en morfologische diversiteit). De resultaten suggereren dat, hoewel ITH niet rechtstreeks de respons op NAC beïnvloedt, het wel de prestaties van het model beïnvloedt in subgroepen met lage heterogeniteit. De auteurs erkennen echter enkele beperkingen: het ontbreken van externe validatie, de noodzaak van verdere functionele analyse van de geïdentificeerde genen en het potentieel om aanvullende modaliteiten zoals ruimtelijke transcriptomica of circulerend tumor-DNA te integreren.

• Paru dans npj Digital Medicine le 22 mars 2025