Forskare vid University of Texas MD Anderson Cancer Center har utvecklat AI-modellen CIPHER som analyserar rutin-CT-bilder före behandling för att identifiera lungcancervårda patienter med hög risk för immunterapi-inducerad pneumonit. Modellen tränades på över 590 000 bildskivor från 2 500 patienter och testades på 347 NSCLC-patienter, med ett AUC på cirka 0,83 i både intern och extern validering.

CIPHER skiljer sig från tidigare metoder genom att den först lär sig generella mönster i lungvävnad och sedan upptäcker subtila avvikelser som korrelerar med framtida lunginflammation, oberoende av ålder, rökning, tumörhistologi eller tidigare strålning. Resultaten visar att hög-risk-patienter också utvecklar pneumonit tidigare under behandlingen.

Studien, publicerad i Journal for ImmunoTherapy of Cancer, föreslår att rutin-CT-data kan innehålla mer information om behandlingsrelaterade biverkningar än tidigare antagit. För framtiden planeras prospektiva studier i större, mer heterogena kohorter samt utvärdering av kombination med andra biomarkörer.