Liu, Bojing – AI-driven Precision Medicine: A Multi-modal Approach to Enhance Cancer Prognosis and Treatment Personalization

Bakgrund

Att granska färgade vävnadssnitt med hematoxylin och eosin (H&E) är avgörande för att diagnostisera cancer samt för att göra prognoser och behandlingsbeslut. Trots framsteg inom behandling är det fortfarande svårt att förutse patienters prognos och hur de kommer att svara på behandling. Detta beror främst på sjukdomens mångfaldiga natur – patienter med samma cancerform kan uppvisa stora skillnader i sina molekylära och histopatologiska profiler. För att kunna göra skräddarsydda prognoser och behandlingsbeslut krävs omfattande information som inkluderar histopatologi, genetik och patientens medicinska historik.

Beskrivning

Vårt mål är att utveckla modeller baserade på artificiell intelligens som integrerar denna information för att förutsäga prognos och behandlingsrespons för bröst- och kolorektalcancer.

Mål

Specifikt planerar vi att 1) integrera RNA-uttryck i histopatologiska data för att identifiera molekylära subtyper av bröstcancer; 2) förutsäga respons på neoadjuvant (kemo)radioterapi vid rektalcancer med hjälp av histopatologi och genetiska data; 3) förutsäga cancerprogression genom att sammanföra data om histopatologi, sjukdomens dynamik och medicinanvändning. Projektet syftar till att erbjuda beslutsstöd för cancerbehandling, förbättra prognoser för cancer och övervakning av sjukdomen, samt potentiellt skapa kostnadseffektiva AI-lösningar.