Para peneliti sedang mengembangkan kecerdasan buatan untuk membantu mendeteksi kanker payudara lobular yang sulit dideteksi

Kecerdasan buatan memberikan pengaruh besar pada masa depan perawatan kanker.

Salah satu aplikasi terbaru dari teknologi ini adalah mengidentifikasi kanker payudara yang sulit dideteksi.

Para peneliti di Pusat Kanker Komprehensif Universitas Negeri Ohio – Institut Kanker Arthur G. James dan Institut Penelitian Richard J. Solove sedang mengembangkan kecerdasan buatan sebagai tahap awal untuk memprediksi pasien mana yang mungkin terkena kanker payudara lobular.

Wanita mengalahkan kanker otak yang mematikan dengan pengobatan sel induk eksperimental: ‘Sungguh menakjubkan’

Apa itu kanker payudara lobular?

Kanker payudara adalah kanker paling umum di kalangan wanita dan penyebab kematian akibat kanker nomor dua di negara ini.

Data menunjukkan bahwa kanker payudara lobular, yang agresif dan sulit dideteksi, menyumbang 10% hingga 15% dari diagnosis kanker payudara di Amerika Serikat.

Alih-alih berupa gumpalan sel yang membentuk tumor, karsinoma lobular tumbuh sebagai rangkaian sel yang panjang, sehingga tampak sebagai “ketebalan” pada mammogram. Artinya, penyakit ini mungkin sulit dideteksi sampai menyebar ke bagian tubuh lain, menurut Ohio State University.

Penyakit jenis ini juga berisiko kambuh bahkan 10 tahun setelah pasien sembuh dari kanker.

“Kami sangat membutuhkan alat yang lebih baik…yang dapat memprediksi pasien mana yang berisiko sangat tinggi.”

Selain itu, menurut Breast Imaging Society, sekitar 40% wanita di atas usia 40 tahun memiliki jaringan payudara yang padat, yang mungkin menimbulkan tantangan tambahan dalam mendeteksi dan meningkatkan risiko kanker payudara.

Meskipun karsinoma lobular invasif tumbuh, menyebar, dan merespons pengobatan secara berbeda dibandingkan karsinoma duktal invasif yang lebih umum, ahli onkologi masih mengikuti pedoman yang sama untuk kedua penyakit tersebut, menurut peneliti utama Dr. Arya Roy, spesialis kanker payudara di OSUCCC-James.

KLIK DI SINI UNTUK MENDAPATKAN APLIKASI FOX NEWS

“Tes genomik yang saat ini kami gunakan seringkali memberikan hasil yang tidak jelas atau bertentangan untuk karsinoma lobular, sehingga menyulitkan ahli onkologi untuk memutuskan pengobatan terbaik,” ujarnya dalam siaran pers. “Kami sangat membutuhkan alat yang lebih baik – khusus untuk karsinoma lobular – yang dapat memprediksi pasien mana yang benar-benar berisiko tinggi.”

Teknologi anti kanker

Roy kembali menegaskan betapa sulitnya mengidentifikasi kanker payudara lobular melalui pencitraan.

“Pada saat yang sama, sangat sulit untuk mengidentifikasi pasien yang berisiko lebih tinggi mengalami kekambuhan setelah pengobatan,” katanya kepada Fox News Digital. “Di sini kami menggunakan teknik kecerdasan buatan untuk mengidentifikasi pasien yang berisiko kambuhnya kanker ini.”

Arya Roy, MD, ditampilkan saat pemeriksaan skrining payudara, melihat salah satu bentuk kanker yang sering terlewatkan dalam pemeriksaan rutin. Ia menggunakan data dari kasus kanker payudara lobular aktual untuk melatih AI guna meningkatkan deteksi dini. (Universitas Negeri Ohio)

Dengan menggabungkan model AI dengan gambar patologi digital, dokter dapat mendeteksi biomarker dan indikator lain pada pasien kanker berisiko tinggi. Dikombinasikan dengan data klinis pasien, hasil ini digunakan untuk menciptakan sistem penilaian yang memprediksi kemungkinan kambuhnya kanker pada dekade berikutnya, kata para peneliti.

Alat AI saat ini sedang dalam pengembangan, dengan uji klinis dan penelitian yang didanai.

Klik di sini untuk berlangganan buletin kesehatan kami

“Kami berharap setelah alat AI ini dikembangkan sepenuhnya, yang akan membantu kami mengidentifikasi pasien yang berisiko kambuh, kami dapat menggunakannya untuk semua pasien penderita kanker payudara lobular,” lanjut Roy.

“Jika kita mengetahui bahwa seorang pasien memiliki peluang 10% lebih besar untuk kambuhnya kanker ini dalam waktu lima tahun, kita dapat terus memantau pasien tersebut.”

Peneliti studi mendorong perempuan untuk berdiskusi dengan dokter mereka apakah pencitraan tambahan tepat untuk mereka. (eStock)

Ahli onkologi juga dapat menggunakan teknik pencitraan lain untuk memastikan bahwa kanker tidak kambuh lagi pada pasien berisiko tinggi ini, Roy menambahkan, sambil mencatat bahwa metode baru berbasis AI ini dapat “memberikan harapan bagi banyak pasien.”

Ahli onkologi mendorong wanita untuk berdiskusi dengan dokternya apakah pencitraan tambahan sesuai untuk mereka.

Keterbatasan potensial

Harvey Castro, seorang dokter darurat dan pakar kecerdasan buatan di Texas, tidak terlibat dalam penelitian di Ohio State University tetapi mengomentari temuan tersebut untuk Fox News Digital.

Uji diri Anda dengan kuis gaya hidup terbaru kami

“Studi di Ohio State menunjukkan kemajuan penting dalam penggunaan AI untuk mendeteksi kanker payudara lobular, sebuah subtipe yang terkenal sulit, namun juga menyoroti hambatan yang masih menghalangi AI untuk sepenuhnya mencocokkan kompleksitas dunia nyata,” katanya.

Dokter menunjukkan bahwa salah satu masalah terbesar adalah melatih kecerdasan buatan pada data lama. “Kedokteran berkembang pesat, dan algoritme yang dibangun berdasarkan gambaran masa lalu mungkin tidak mengikuti pola masa kini, yang saya sebut penyimpangan temporal.”

“Sebelum alat-alat ini memasuki perawatan rutin, kita harus memastikan alat-alat tersebut diuji pada berbagai populasi di dunia nyata.”

Castro memperingatkan bahwa banyak sistem yang “berfungsi dengan baik” di laboratorium, namun mungkin gagal ketika diuji di rumah sakit atau kelompok pasien baru.

“Jaringan payudara yang padat tetap menjadi kelemahan AI,” katanya. “Kepadatan yang menyembunyikan tumor dari ahli radiologi juga dapat membingungkan algoritma, terutama di kalangan ras dan kelompok umur.”

Klik di sini untuk cerita kesehatan lainnya

Menurut Castro, AI tidak akan menggantikan ahli radiologi, melainkan mendefinisikan ulang cara kerjanya.

“Tetapi sebelum alat-alat ini memasuki perawatan rutin, kita harus memastikan alat-alat tersebut diuji pada beragam populasi di dunia nyata, tidak hanya pada data laboratorium yang ideal.”