Forskare vid UCSF och University of Michigan har utvecklat en AI-baserad modell, FastGlioma, som kan förutsäga var glioblastom sannolikt återkommer efter den första kirurgiska avlägsnandet. Modellen tränades på cirka 300 vävnadsprover från 60 patienter och testades på ytterligare 100 prover från 20 patienter, med en median återfallstid på 5,5 månader.

Genom att analysera snabb-Raman-histologi (SRH)-bilder, som tas på under en minut, ger AI-systemet ett infiltrationsscore som matchar traditionell patologi i prediktion av återfallsområden. När detta score kombineras med klinisk, bild- och molekylär data förbättras precisionen avsevärt, och modellen kan lokalisera återfall inom 5–10 mm från provet.

Resultaten, publicerade i Science Advances och finansierade av NIH, öppnar för att kirurger kan rikta in sig på riskområden under operationen eller att patienterna får fokuserad strålning eller lokala läkemedelsinfusioner innan återfallet syns på MR-bild.

Forskarna hoppas att fördröjning av första återfallet kan förlänga överlevnaden för de drabbade.