Tromsø-forsker med på tre posterpresentasjoner

ASCO, CHICAGO (Dagens Medisin): Mehrdad Rakaee, postdoktor ved Institutt for klinisk medisin, UiT, Norges arktiske universitet, er førsteforfatter på to abstrakter som blir presentert under årets ASCO-kongress i Chicago, som går av stabelen fra 3. til 8. juni. Han er også medforfatter på et tredje.

Felles for dem er bruk av kunstig intelligens (AI) som metode for å forutsi om kreftpasienter vil ha nytte av immunterapi.

Rakaee og medarbeidarane bruker digital patologi og djup læring i bilete av HE-farga vevssnitt til å automatisk kvantifisere strukturar og forhold i kreftvev. Denne typen informasjon kan være nyttig for å identifisere rett behandling til rett pasient.

Fra Tromsø til Boston

Rakaee ble med på lasset da kona fikk en forskerstilling i Nordens Paris i 2013. Selv startet han karrieren som overingeniør i kreftforskningsgruppe ved UiT. I 2019 tok han doktorgrad i kreftimmunologi, og startet et treårig postdoc-løp samme år.

– Vi hadde gjennom en stor nordisk klinisk lungekreftstudie (TNM-I), ledet av professor Tom Dønnem og med god støtte fra Kreftforeningen, samlet inn mye data fra flere ulike sentre og satt på et stort volum med DNA-sekvenser. Men vi var usikre på hvordan vi skulle utnytte disse data best mulig. Jeg tok kontakt med Harvard, der de har et senter for genomanalyser, og fikk et års research fellowship program, forteller han til Dagens Medisin.

Midt i pandemien reiste han over dammen, med høye ambisjoner for året som lå foran ham.

– Veilederne mine i Boston sa til meg; «vær litt realistisk. Ett år er kort tid. Kanskje du får publisert noe i neste periode».

Knappe et år senere har Rakaee navnet sitt på tre abstrakts som skal presenteres på ASCO.

– To av dem er til vurdering i høyt rangerte medisinsk tidsskrift, kan han avsløre overfor Dagens Medisin, men vil ikke si hvilke.

Har testet «ny» biomarkør

Mandag 6. juni skal Rakaee presentere  “Artificial intelligence in digital pathology approach identifies the predictive impact of tertiary lymphoid structures with immune-checkpoints therapy in NSCLC”. 

I studien har Rakaee og medforfattere fra Europa og USA undersøkt om en AI-algoritme kan forutsi effekten av immunterapi hos pasienter med ikke-småcellet lungekreftpasienter i avansert stadium (NSCLC).

Tilstedeværelsen av tertiære lymfoide strukturer (TLS) i flere krefttyper har blitt anerkjent som en potensiell prediktiv biomarkør for respons på immunterapi. Men man har ikke hatt en standardisert metode for å klare å finne denne biomarkøren. Rakaee har utviklet en algoritme som kan oppdage TLS på HE-bilder (hematoksylin-eosin – en blanding som farger celler og vev som skal undersøkes mikroskopisk).

– Fra før av har vi hatt to biomarkører for å predikere immunterapirespons hos lungekreftpasienter, PDL-1 og TMB. Men det har vært utfordringer med begge. Derfor trenger vi bedre biomarkører for disse pasientene, sier Rakaee.

Algoritmen er testet på 433 lungekreftpasienter i avansert stadium som ble behandlet med første eller påfølgende linje av anti-PD-(L)1-hemmer. 

I konklusjonen heter det at: «Funnene tyder på at TLS-status er en uavhengig prediktor for immunterapieffektivitet ved NSCLC, med prediktiv verdi som ligner på PD-L1-ekspresjon og TMB. Dette nye AI-systemet har potensial for automatisert identifikasjon og kvantifisering av TLS på digitale histopatologiske lysbilder, og kan relativt lett brukes i en standard patologiarbeidsflyt»

Funnene blir for tiden validert i andre solide svulster og kohorter, understrekes det.

– Et stort prosjekt

– Dette har vært et stort prosjekt for meg. Det var ikke enkelt å få tilgang til alle dataene. Hver bit av puslespillet måtte hentes inn fra ulike personer ved ulike institusjoner i ulike land. Men selv om det var krevende, er jeg glad jeg fikk det til, sier han.

Alle tre presentasjonene bruker en AI-modell som er skreddersydd til lungekreft. Men fremover skal den testes ut på andre krefttyper også.

– Dette er et pågående prosjekt. Resultatene er så lovende på lungekreft at flere har tatt kontakt og vist interesse. Nylig har jeg signert en intensjonsavtale med Imperial College of London.

– Før analyserte vi alt gjennom et mikroskop, men kunstig intelligens er mye mer objektiv. En datamaskin kan også finne ting som er umulig for det menneskelige øyet å oppdage.

– Hvor langt har vi kommet med klinisk bruk av denne teknologien i Norge?

– Vi har tatt første steg, men potensialet er større. I Boston startet de med digital patologi i 2013,som er første steg med tanke på å få implementert AI basert teknologi i klinikken.  I Tromsø begynte vi for et par år siden, så sammenlignet med USA går det tregere. Men vi er nær, det kommer, oppsummerer Rakaee, som i tillegg til å fortsette sin forskning på lungekreft og immunterapi, snart får en ny rolle ved UNN, tilknyttet Impress Norway-studien

«En robust og uavhengig biomarkør»

Rakaee er også førsteforfatter på studien “Digital quantification of lymphocytic infiltration on routine H&E images and immunotherapy response in non–small cell lung cancer”.

Her har de forsøkt å finne flere biomarkører for immunonkologisk (IO) terapiresponsprediksjon ved lungekreft. Biopsi- og kirurgiske prøver farget med hematoksylin-eosin (HE-bilder) ble skannet for 446 avansert stadium ikke-småcellet lungekreft (NSCLC) behandlet med kontrollpunkthemmere (ICI). En maskinlæringsmodell ble trent på H&E-bilder for klassifisering av tumorinfiltrerende lymfocytter (TIL), tumorceller og stromaceller i spesifikke vevstyper.

Rakaee og kollegene konkluderer med at digital TIL-kvantifisering med bruk av kunstig intelligens er gjennomførbart. Og at TIL-nivåer ser ut til å være en robust og uavhengig biomarkør for sannsynlighet for respons på immunonkologisk behandling ved NSCLC, spesielt i den negative undergruppen PD-L1. Funnene fra denne studien er under validering i flere lungekreftkohorter.

Til slutt er Rakaee medforfatter på “Dual CDKN2A/MTAP loss compared to CDKN2A loss alone and response to immune-checkpoint inhibitors (ICI) in advanced solid tumors”.

– Gode eksempler på nytteverdien

– Den store verdien av omstilling til digital patologi ligger i det vi kaller in silico-patologi, der man analyserer de digitaliserte vevsbildene med datamaskiner. Dype nevrale nett har vist seg godt egnet for å kvantifisere forhold i disse bildene. Ofte foregår læringen gjennom at maskinen får presentert bilder som enten har en merkelapp/klasse eller en annotasjon, og datamaskinen blir trent ved å predikere merkelapp/klasse eller annotasjon i bildene, der feil blir «straffet» og rett svar blir «premiert», forklarer Tarjei Hveem, forsker ved Institutt for kreftgenetikk og informatikk (ICGI) ved Oslo universitetssykehus (OUS).

Hveem trekker frem kvantifisering av biologiske egenskaper i HE-snitt som særlig attraktivt, siden denne typen data er så lett tilgjengelig i patologirutine.

– Det er stor aktivitet på dette feltet og arbeidet til Rakaee er gode eksempler på nytteverdien slike metoder kan ha. Som alltid med denne typen metodikk er gode uavhengige valideringsdatasett som viser at metoden fungerer på nye data viktig, presiserer han.

Posterne skal presenteres søndag 5. juni og mandag 6. juni

Interressekonflikter: Mehrdad Rakaee oppgir ingen interessekonflikter.