Studi Universitas Semmelweis menunjukkan bahwa pembelajaran mesin dapat memprediksi kekambuhan kanker payudara dan risiko metastasis dengan analisis data dari 154 pasien. Hasil menunjukkan hubungan antara lokasi kekambuhan dan waktu sejak diagnosis awal terhadap risiko metastasis, dengan diharapkan dapat mengembangkan pengobatan yang lebih personal dan efektif.
Sebuah studi oleh Universitas Semmelweis menunjukkan bahwa analisis pembelajaran mesin dapat memprediksi jenis kekambuhan kanker payudara lokal dan menilai kemungkinan metastasis. Peneliti menemukan bahwa semakin lama waktu antara diagnosis awal dan kekambuhan tumor lokal, semakin rendah risiko metastasis. Ini merupakan langkah penting dalam mengembangkan strategi pengobatan yang dipersonalisasi.
Penelitian menggunakan empat model matematis untuk menentukan lokasi kekambuhan tumor dan kemungkinan metastasis pada pasien kanker payudara. Data diambil dari 154 pasien wanita dengan rata-rata waktu tindak lanjut selama 11 tahun setelah diagnosis awal. Model terbaik memprediksi kekambuhan di jaringan payudara yang tersisa dengan akurasi 77%, dan 69% untuk kekambuhan di bekas bedah.
Faktor prediktif yang paling signifikan termasuk jenis bedah yang dilakukan, usia pasien saat diagnosis, aktivitas proliferatif sel tumor, dan status reseptor progesteron. Penelitian juga bertujuan untuk memprediksi risiko metastasis jauh setelah kekambuhan lokal, dengan model pembelajaran mesin mencapai akurasi 78%.
Dr. Kristóf Attila Kovács menjelaskan bahwa risiko metastasis lebih rendah jika tumor kambuh di jaringan payudara yang tersisa, tetapi risiko meningkat jika kambuh di dinding dada. Kembalinya tumor dalam dua tahun setelah diagnosis awal lebih mungkin menyebabkan metastasis, sedangkan kekambuhan setelah lima tahun biasanya terkait dengan tumor yang lebih peka hormon dan prognosis yang lebih baik.
Meskipun kemoterapi digunakan untuk kekambuhan lokal, risiko metastasis tetap signifikan. Dr. Anna Mária Tőkés menyoroti perlunya terapi target alternatif dalam kasus yang agresif. Pada tahun 2022, 2,3 juta wanita hidup dengan kanker payudara, namun kekambuhan masih terjadi pada 5–20% pasien meskipun setelah pengobatan awal yang sukses.
Peneliti menekankan perlunya studi lebih lanjut dengan populasi pasien yang lebih besar dan analisis genetik tumor untuk menyempurnakan model prediksi. Kombinasi pembelajaran mesin dengan metode diagnostik tradisional dapat membantu mengidentifikasi pasien berisiko tinggi dan mengarahkan strategi pengobatan yang tepat.
Studi ini menunjukkan potensi pembelajaran mesin dalam memprediksi kekambuhan kanker payudara dan risiko metastasis. Pentingnya memahami faktor risiko untuk merancang pengobatan yang dipersonalisasi diakui, terutama karena kekambuhan dapat beragam dalam agresivitas. Penelitian lebih lanjut diperlukan untuk meningkatkan akurasi prediksi dan pengobatan pasien berdasarkan profil risiko yang tepat.
Sumber Asli: healthcare-in-europe.com
