Gepersonaliseerde behandeling vereist accurate prognostische en predictieve informatie. Voor een aandoening die zo heterogeen is als epitheliaal ovariumcarcinoom (EOC) worden conventionele algoritmes in toenemende mate te complex voor gebruik in de dagelijkse kliniek, schrijven prof. Richard Edmondson en zijn collega’s van University of Newcastle upon Tyne online in Annals of Surgical Oncology.¹ In de publicatie presenteren ze uitkomsten van een studie van de potentie van een kunstmatig-intelligentiemodel voor het verschaffen van prognostische en predictieve informatie.


De onderzoekers hebben een database aangelegd met routinematig beschikbare klinische gegevens en uitkomsten van 688 EOC-patiënten over een periode van tien jaar. Op basis van de database hebben ze een model gebouwd dat aan de hand van de klinische gegevens de overall survival kan voorspellen met hoge accuratesse (93%) en een AUC van 0,74. Het model voorspelt de OS beter dan conventionele statistische methoden. De onderzoekers hebben het model ook gebruikt voor het voorspellen van de uitkomst van chirurgie, en zagen een voorspelling van complete/optimale cytoreductie versus suboptimale cytoreductie met accuratesse 77% en een AUC van 0,73.

De onderzoekers concluderen dat kunstmatige-intelligentiesystemen een rol kunnen spelen in het leveren van prognostische en predictieve informatie. Ze vermoeden dat de performance van de systemen verder zal verbeteren naarmate gegevens van meer patiënten in de systemen worden opgenomen.

1.Enshaei A, Robson CN, Edmondson RJ et al. Artificial intelligence systems as prognostic and predictive tools in ovarian cancer. Ann Surg Oncol 2015; epub ahead of print