Dyplæring for risikostratifisering og identifikasjon av prognostiske kjennetegn hos pasienter med spredning av tykk- og endetarmskreft
Spredning (metastatisk sykdom) er fortsatt en av de viktigste årsakene til kreftrelatert død for pasienter med tykk- og endetarmskreft. Selv om kirurgisk fjerning av primærsvulsten er den viktigste behandlingen, mangler klinikere i dag presise verktøy for å identifisere hvilke pasienter som vil utvikle metastaser eller få tilbakefall.
Med støtte fra Kreftforeningen og Helse Sør-Øst benytter to parallelle prosjekter (2025–2027) digital patologi og dyplæring for å utvikle forklarbare prognostiske modeller basert på vanlige vevssnitt. Det ene prosjektet fokuserer på levermetastaser, mens det andre fokuserer på spredning til bukhinnen (peritoneum). Dette er blant de vanligste stedene for spredning ved tykk- og endetarmskreft, og utgjør til sammen omtrent halvparten av alle tilfeller med metastaser. Målet er å forbedre risikostratifiseringen for disse pasientene og legge grunnlaget for mer personlig tilpasset behandling.
Metodikk og Klinisk Innovasjon
Prosjektene inkluderer vevssnitt fra både primærsvulster og metastaser samlet inn fra norske og internasjonale kohorter. Prosjektet for levermetastaser omfatter mer enn 7 000 pasienter fra 12 kohorter, mens prosjektet for bukhinnemetastaser inkluderer over 5 600 pasienter fra 9 kohorter.
Planen er å utvikle dyplærings-modeller for å forutsi metastatisk spredning, samt tilbakefall og overlevelse etter at metastatisk sykdom er diagnostisert. Disse modellene identifiserer biologisk definerbare mønstre i svulsten og dens mikromiljø som er knyttet til prognose, men som ofte ikke fanges opp i rutinemessig patologipraksis. Ved å korrelere modellens resultater med spesifikke celletyper og vevsstrukturer, er målet å identifisere biologiske endringer og nye biomarkører assosiert med metastaser. Denne åpenheten, som kan defineres som «forklarbar KI» (explainable AI), er avgjørende for å bygge den kliniske tilliten som kreves for trygg implementering i den virkelige verden.
Fremtidig Utvikling og Systemisk Innvirkning
Disse prosjektene kan ha en innvirkning utover utviklingen av prognostiske modeller alene. På lang sikt kan modellene kombineres med annen klinisk-patologisk informasjon i kliniske beslutningsstøtteverktøy for behandlingsplanlegging og oppfølging. De dedikerte biobankene som etableres gjennom disse prosjektene vil skape viktig infrastruktur for fremtidig forskning på metastaser fra tykk- og endetarmskreft. Sammen kan disse innsatsene forbedre vår forståelse av de biologiske mekanismene som ligger til grunn for metastatisk sykdom, hjelpe til med å identifisere nye biomarkører og terapeutiske mål, og gi støtte mer personlig tilpasset behandling.
En Strategisk Ressurs for Helsevesenet
Denne forskningen adresserer viktige helseutfordringer knyttet til en aldrende befolkning, et økende volum av prøver for analyse, og en global mangel på patologer. Ved å automatisere analysen av vevsprøver fra pasienter med kolorektal kreft, kan vi gi raske, objektive risikovurderinger for en forholdsvis lav kostnad.
Bedre målretting av intensive terapier til høyrisiko pasienter—mens lavrisiko individer skånes fra unødvendig toksisitet—forbedrer direkte overlevelse og livskvalitet. På denne måten kan prosjektene bidra til mer effektiv bruk av helsevesenets ressurser og hjelpe til med å etablere en ny diagnostisk standard, i tråd med fremtiden for presisjonsmedisin.