Cancers of unknown primary site (CUP)
vormen een aanzienlijke diagnostische uitdaging. Veel gevallen van CUP
manifesteren zich als pleurale of peritoneale sereuze effusie. Een studie van
cytologische images van 57.220 patiënten van vier academische ziekenhuizen in
China heeft geleid tot de ontwikkeling van een deep-learning methode voor tumor origin differentiation using
cytological histology (TORCH), die maligniteit kan identificeren en oorsprong
van de tumor kan voorspellen in zowel hydrothorax als ascites. Dr. Xiangchun Li
(Medische Universiteit van Tianjin) en collega’s publiceren over de perfomance van TORCH in Nature
Medicine.1
TORCH werd
uitgevoerd in vijf groepen patiënten (tezamen n=27.337), resulterend in een
AUROC uiteenlopende van 0,953 tot 0,991 voor de diagnose van een maligniteit en
van 0,953 tot 0,979 voor localisatie van de oorspong van de tumor. In de
gecombineerde groepen voorspelde TORCH de oorsprong van de tumor met een top-1
accuratesse van 82,6% en een top-3 accuratesse van 98,9%. De performance van TORCH in het voorspellen
van de origine van de tumor was beter dan die van twee junior en twee senior
pathologen. Patiënten met CUP van wie de aanvankelijke behandeling concordant
was met de TORCH-voorspelde origines hadden betere overall survival dan patiënten met discordante behandeling (mediaan
27 versus 17 maanden; p=0,006).
De
onderzoekers concluderen dat TORCH een waardevolle tool is voor het maken van
keuzen voor de behandeling van CUP-patiënten.
1.Tian
F, Liu D, Wei N et al. Prediction
of tumor origin in cancers of unknown primary origin with cytology-based deep
learning. Nature Med 2024-02915-w
Summary: Researchers
at four centers in China developed a cytology-based deep learning method to predict tumor of origin in cancer of
unknown primary site.
Reageren op dit artikel is mogelijk na registratie. (Login)