Hoewel de ernst van kanker vooral ligt in het vermogen om zich te verspreiden naar andere delen van het lichaam, zijn de mechanismen die het metastatische potentieel van tumorcellen bepalen nog grotendeels onbekend.Deze constatering ligt ten grondslag aan het gebruik van kunstmatige intelligentie door een onderzoeksteam uit Genève om deze mechanismen te verduidelijken en zo te kunnen ingrijpen om de behandeling van patiënten te optimaliseren.In een eerste fase hebben de onderzoekers cellen uit colonkankers geïsoleerd, gekloond en gekweekt. Vervolgens hebben ze in vitro en in een muismodel het vermogen van deze gekloonde cellen om door een biologisch filter te migreren en metastasen te genereren, geëvalueerd. De analyse van de expressie van enkele honderden genen, uitgevoerd op een dertigtal cel klonen afkomstig van twee primaire colontumoren, leidde tot de identificatie van genexpressie signaturen waarvan de aanwezigheid en activering het mogelijk maakten een migratiepotentieel score te genereren die representatief is voor het metastatische risico. De relevante genexpressie signaturen werden geïntegreerd in een kunstmatig intelligent model dat speciaal door het team in Genève werd ontwikkeld. Dit model werd getraind totdat een algoritme werd verkregen dat het optreden van metastasen en recidieven van colonkanker met een nauwkeurigheid van bijna 80% kan voorspellen, wat aanzienlijk beter is dan de prestaties van alle bestaande voorspellingsinstrumenten. Volgens de onderzoekers zou het op basis van de in hun experiment aangetoonde signaturen mogelijk moeten zijn om afgeleide signaturen te identificeren die het metastatische potentieel van andere solide tumoren (maag, long of borst) kunnen voorspellen.De resultaten, die zijn gepubliceerd in Cell Reports, geven dus aan dat het mogelijk is om op basis van een monster van primaire tumorcellen het metastatische potentieel te bepalen."Deze informatie zal overbehandeling van patiënten met een laag risico helpen voorkomen, waardoor bijwerkingen en onnodige kosten worden beperkt, terwijl de monitoring en behandeling van patiënten met een zeer hoog risico wordt geïntensiveerd", aldus prof. Ariel Ruiz i Altaba, senior auteur van de publicatie. "Ze biedt ook de mogelijkheid om de selectie voor klinische proeven te optimaliseren, waardoor het aantal benodigde vrijwilligers wordt verminderd, de statistische kracht van de studies wordt vergroot en therapeutisch voordeel wordt geboden aan de patiënten die dat het meest nodig hebben."