Sebuah studi Universitas Semmelweis mengungkapkan bahwa pembelajaran mesin dapat memprediksi kekambuhan kanker payudara dan risiko metastasis. Data dari 154 pasien menunjukkan bahwa waktu antara diagnosis dan kekambuhan mempengaruhi risiko metastasis. Umumnya, model ini mampu memberikan akurasi yang baik dalam memprediksi tempat kekambuhan dan risiko metastasis jauh, serta menyarankan perlunya pendekatan perawatan yang lebih spesifik.
Sebuah penelitian dari Universitas Semmelweis menunjukkan bahwa pembelajaran mesin dapat memprediksi jenis kekambuhan kanker payudara lokal setelah pengobatan awal dan menilai kemungkinan metastasis jauh. Dalam studi ini, analisis data dari 154 pasien menunjukkan bahwa semakin lama waktu antara diagnosis awal dan kekambuhan tumor lokal, semakin rendah risiko metastasis.
Para peneliti menggunakan empat model matematika untuk memprediksi lokasi kekambuhan tumor dan kemungkinan metastasis pada pasien kanker payudara. Kekambuhan lokal dapat terjadi dalam jaringan payudara yang tersisa, dinding dada, kulit, atau bekas luka bedah. Model terbaik memprediksi kekambuhan di jaringan payudara tersisa dengan 77% akurasi.
Faktor prediktif yang signifikan termasuk jenis operasi, usia pasien saat diagnosis, aktivitas proliferatif sel tumor, dan status reseptor progesteron. Model pembelajaran mesin menunjukkan 78% akurasi dalam memprediksi risiko metastasis jauh setelah kekambuhan lokal.
Kekambuhan di jaringan payudara yang tersisa menunjukkan risiko metastasis lebih rendah, sedangkan kekambuhan di dinding dada meningkatkan kemungkinan penyebaran tumor. Tumor yang kambuh dalam dua tahun setelah diagnosis awal lebih mungkin menyebabkan metastasis dibandingkan dengan yang kambuh setelah lima tahun.
Peneliti mencatat bahwa meskipun kanker payudara lokal diobati dengan kemoterapi, risiko metastasis tetap signifikan. Mereka menyarankan perlunya terapi target alternatif untuk kasus yang agresif, bahkan untuk tumor sekunder di dekat lokasi bedah. Penelitian menyarankan pendekatan yang lebih spesifik dalam perawatan berdasarkan faktor risiko untuk meningkatkan hasil kelangsungan hidup.
Dalam 2022, sebanyak 2,3 juta wanita hidup dengan kanker payudara, dan WHO mencatat 670.000 kematian akibat penyakit ini. Meskipun tingkat kelangsungan hidup di negara maju meningkat, kekambuhan masih terjadi pada 5-20% kasus setelah pengobatan awal yang berhasil. Penelitian lebih lanjut diperlukan untuk memperbaiki model prediksi dan mengidentifikasi pasien berisiko tinggi untuk strategi perawatan yang lebih efektif.
Penelitian ini menunjukkan potensi pembelajaran mesin dalam memprediksi kekambuhan dan risiko metastasis kanker payudara. Mengidentifikasi faktor risiko dan memahami prognosis berbagai jenis kekambuhan dapat membantu merancang strategi perawatan yang lebih efektif. Dengan demikian, perawatan yang disesuaikan berdasarkan analisis risiko menjadi kunci dalam meningkatkan kelangsungan hidup pasien.
Sumber Asli: healthcare-in-europe.com
