23948sdkhjf

Ny teknologi kan afsløre kræft tidligere

Ved hjælp af kunstig intelligens er det muligt at opdage selv meget små mængder af kræft-DNA i blodprøver

Med en ny teknologi er det muligt at opdage meget små mængder af kræft. Dermed kan behandlingen startes langt tidligere.

Sådan lyder det i en pressemeddelelse om et studie netop publiceret i Nature Medicine.

- Med den nye teknologi opnår vi en bemærkelsesværdig signal-til-støj-forbedring, som gør det muligt at opdage kræfttilbagefald måneder eller endda år før standard kliniske metoder, udtaler professor Claus Lindbjerg Andersen fra Aarhus Universitet og Aarhus Universitetshospital.

Den nye teknologi er baseret på en kunstig intelligens-algoritme, der kan skelne mellem normalt DNA og kræft-DNA i en blodprøve fyldt med millioner af DNA-fragmenter.

Algoritmen er i stand til hurtigt og effektivt at gennemgå disse fragmenter og identificere kræft-DNA, hvilket gør teknologien mere sensitiv og nøjagtig end tidligere metoder.

Ikke kun én kræftform

I modsætning til andre teknologier, der fokuserer på enkelte kræft-DNA-forandringer, udnytter den nye teknologi hele genomet, hvilket øger følsomheden og effektiviteten markant.

Denne alsidighed gør teknologien anvendelig på tværs af forskellige kræftformer og patienter uden behov for at tilpasse analyserne individuelt.

- At teknologien kan bruges bredt, gør implementeringen i klinikken nemmere, udtaler Amanda Frydendahl, postdoc ved Institut for Klinisk Medicin på Aarhus Universitet og Molekylær Medicinsk Afdeling på Aarhus Universitetshospital.

Forskerne har påvist, at den nye teknologi kan identificere tegn på kræfttilbagefald flere måneder, og i nogle tilfælde år, før det opdages ved traditionelle metoder som scanninger.

Den tidlige diagnose er livsvigtig for mange patienter, understreger Amanda Frydendahl.

- Jo hurtigere vi kan identificere restsygdom, desto bedre kan vi tilpasse behandlingen og øge chancerne for helbredelse, udtaler hun.

Kommenter artiklen
Udvalgte artikler

Nyhedsbreve

Send til en kollega

0.062