Kan AI het individuele risico op kankerrecidief voorspellen met behulp van tumorgenetische sequencing ?
Stem nu — lees daarna wat onze hoofdredacteur en de AI-modellen hebben gevonden.
Kankerrecidief hangt af van een complexe wisselwerking tussen genetische mutaties, de tumoromgeving en de respons op behandeling. Persoonlijke geneeskunde streeft ernaar het risico op terugval te voorspellen door tumorgenomica te analyseren, maar het integreren van enorme datasets blijft een uitdaging voor menselijke clinici. AI zou dit proces kunnen versnellen door patronen te identificeren die verband houden met terugkeer in hoogdimensionale data.
Background
Cancer relapse is shaped by interactions among somatic mutations, the tumor microenvironment, systemic immunity, and therapeutic selection pressures. Personalized oncology seeks to quantify recurrence risk from tumor genomics, but integrating high-dimensional genomic, epigenomic, transcriptomic, and clinical data within a single workflow remains non-trivial for human interpreters.
AI-driven pipelines now fuse whole-exome or whole-transcriptome tumor sequencing with clinical covariates to generate individualized recurrence-risk estimates. Commercial gene-expression assays such as Oncotype DX AR-V7 (prostate cancer) and FoundationOne Hemo (hematologic malignancies) and the breast-cancer panel Oncotype DX Breast Recurrence Score have received regulatory clearance and provide prognostic signatures correlated with distant recurrence and survival endpoints. Deep-learning models trained on TCGA cohorts report AUCs of ≈0.75–0.85 for predicting relapse across several tumor types, outperforming traditional histopathology-based staging in validation splits. Regulatory-cleared tools are currently labeled for prognosis (i.e., outcome prediction) rather than therapy selection (predictive use), and their performance in non-academic, multi-institution cohorts is still being evaluated. Reference: Nature Medicine, enriched May 12 2026.
Stel een tag voor
Ontbreekt een concept bij dit onderwerp? Stel het voor en de beheerder bekijkt het.
Status voor het laatst gecontroleerd op September 25, 2026.
Galerie
Kan AI het individuele risico op kankerrecidief voorspellen met behulp van tumorgenetische sequencing?
Er bestaan beperkte demonstraties — maar het panel was niet unaniem.
But the data is real.
The Case File
Across 27 sessions, 55 jurors have heard this case. Combined tally: 19 YES · 34 ALMOST · 2 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 1 — 1 — 0, the panel returns a verdict of BIJNA, with verdict confidence of 90%. The court so orders.
"AI models predict relapse risk from sequencing data with moderate accuracy in specific cancer types but lack broad generalizability and clinical reliability."
"AI systems can predict cancer relapse risk using tumor genetic sequencing, with advanced models integrating multi-omics and histopathology data for high accuracy."
Individuele juryverklaringen worden in het oorspronkelijke Engels weergegeven om de bewijsprecisie te behouden.
Wat het publiek denkt
Nee 30% · Ja 26% · Misschien 43% 23 votesDiscussie
no comments⚖ 27 jury checks · meest recent 1 dag geleden
Elke rij is een afzonderlijke jurycontrole. Juryleden zijn AI-modellen (identiteiten bewust neutraal gehouden). Status toont de cumulatieve telling over alle controles — hoe de jury werkt.
Meer in health
Kan AI waarschuwingen geven of de gezondheid monitoren als het ziet wat ik dagelijks eet via een beveiligingscamera ?
Kan AI vroege parkinson in een vroeg stadium detecteren aan de hand van subtiele stemtrillingen in telefoongesprekken ?
Kan AI bepalen of menselijke uitsterving wiskundig onvermijdelijk is ?