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.