Kanker Payudara: AI Prediksi Metastasis Dari Kekambuhan

Penelitian di Universitas Semmelweis menemukan bahwa pembelajaran mesin mampu memprediksi kekambuhan lokal kanker payudara dan risiko metastasis. Temuan ini menunjukkan bahwa waktu antara diagnosis dan kekambuhan berhubungan dengan risiko metastasis. Pengembangan model yang lebih baik diharapkan dapat membantu dalam penanganan yang lebih efektif.

Sebuah penelitian oleh Universitas Semmelweis menggunakan pembelajaran mesin untuk memprediksi jenis kekambuhan kanker payudara lokal setelah pengobatan awal, serta kemungkinan terjadinya metastasis jauh. Analisis terhadap data 154 pasien menunjukkan bahwa makin lama waktu antara diagnosis awal dan kekambuhan tumor lokal, semakin rendah risiko metastasis. Temuan ini dipublikasikan dalam Scientific Reports dan penting untuk pengembangan strategi pengobatan yang dipersonalisasi.

Peneliti menerapkan empat model matematis untuk menentukan apakah pembelajaran mesin dapat memprediksi lokasi kekambuhan tumor dan memperkirakan kemungkinan metastasis. Kekambuhan lokal dapat terjadi di jaringan payudara, dinding dada, kulit, atau bekas luka bedah. Hasil terbaik menunjukkan prediksi kekambuhan di jaringan payudara dengan akurasi 77% dan di bekas luka bedah 69%.

Faktor prediktif signifikan termasuk jenis operasi, usia pasien saat diagnosis, aktivitas proliferatif sel tumor, dan status reseptor progesteron. Model pembelajaran mesin juga mencapai 78% akurasi dalam memprediksi risiko metastasis jauh setelah kekambuhan lokal. Menurut Dr. Kristóf Attila Kovács, peningkatan risiko metastasis terkait langsung dengan lokasi kekambuhan dan waktu yang berlalu setelah diagnosis.

Kekambuhan di jaringan payudara cenderung memiliki risiko metastasis yang lebih rendah. Sebaliknya, kekambuhan di dinding dada secara signifikan meningkatkan kemungkinan penyebaran tumor. Penelitian menunjukkan tumor yang kambuh dalam dua tahun setelah diagnosis awal lebih mungkin menyebabkan metastasis, sementara kekambuhan setelah lima tahun biasanya terkait dengan tumor yang sensitif terhadap hormon, dengan prognosis lebih baik.

Dr. Anna Mária Tőkés menekankan bahwa even dengan pengobatan kemoterapi, risiko metastasis pada kanker payudara yang kambuh tetap signifikan, menunjukkan perlunya terapi target yang alternatif. Data WHO menunjukkan bahwa meskipun angka kelangsungan hidup pasien kanker payudara meningkat, kekambuhan terjadi pada 5-20% kasus setelah pengobatan awal. Penelitian ini merekomendasikan untuk menyesuaikan pengobatan berdasarkan faktor risiko untuk meningkatkan hasil kelangsungan hidup.

Para peneliti menyatakan perlunya penelitian lebih lanjut untuk melibatkan populasi pasien yang lebih besar dan analisis genetik tumor. Kombinasi antara pembelajaran mesin dan metode diagnostik tradisional diharapkan dapat mengidentifikasi pasien berisiko tinggi dan membantu dalam strategi pengobatan yang lebih tepat waktu, yang dapat meningkatkan efektivitas pengobatan.

Penelitian ini menunjukkan bahwa pembelajaran mesin dapat efektif dalam memprediksi kekambuhan kanker payudara dan risiko metastasis. Temuan ini mendukung pengembangan strategi pengobatan yang lebih terpersonalisasi, berdasarkan faktor risiko yang relevan. Dengan semakin banyak data dan penelitian, potensi pengobatan kanker dapat ditingkatkan secara signifikan.

Sumber Asli: healthcare-in-europe.com