Jämförelse mellan artificiell intelligens och multidisciplinära teamrekommendationer vid hantering av levermetastaser från kolorektal cancer

Varför detta är viktigt för patienter och familjer

För många personer med kolorektalcancer kan sjukdomen sprida sig till levern, vilket gör behandlingsbesluten till en kapplöpning mot klockan. I dag fattas dessa val vanligtvis av multidisciplinära team—grupper av specialister som möts för att enas om bästa plan. Samtidigt börjar chattbaserade artificiella intelligensverktyg, såsom ChatGPT, dyka upp i vårdmiljöer som potentiella hjälpmedel. Denna studie ställer en enkel men viktig fråga: när de får samma patient­sammandrag, hur väl överensstämmer AI:s förslag med vad ett expertteam beslutar?

Hur vårdbeslut vanligtvis fattas

När kolorektalcancer når levern kan behandlingsalternativ variera från operation till cytostatika till mer begränsad, symtomfokuserad vård. Att välja mellan dessa vägar är sällan enkelt. Sjukhus förlitar sig på multidisciplinära team (MDT) som samlar kirurger, onkologer, radiologer och andra experter. Dessa diskussioner väger tumörstorlek och antal, röntgenfynd, patientens allmänna hälsa och möjligheten att kirurgi säkert kan avlägsna all synlig sjukdom. Denna team-baserade modell förbättrar överlevnad och bidrar till att patienter får konsekvent, evidensbaserad behandling, men den är också tidskrävande och beroende av att rätt experter finns tillgängliga.

Vad forskarna ville pröva

Författarna undersökte om ett chattbaserat AI-system skulle kunna fungera som en beslutsstödsparter för dessa expertteam, inte som en ersättning. De fokuserade på 30 patienter med kolorektalcancer som spritt sig till levern, alla tidigare diskuterade i ett MDT vid ett enda sjukhus. För varje patient skapade de ett standardiserat, anonymiserat textsammanfattning som inkluderade viktiga kliniska och röntgenuppgifter, men AI-systemet hade ingen direkt åtkomst till bilder eller fullständiga journaler. De frågade sedan ChatGPT vad som skulle vara den mest lämpliga behandlingen, och upprepade frågan tre gånger per fall för att se om svaren var stabila. I en andra omgång lade de till en avgörande information: de angav uttryckligen att levertumörerna var potentiellt borttagbara med operation och frågade om det borde ändra planen.

Hur väl AI överensstämde med expertteamet

AI:n gav samma typ av rekommendation varje gång den ombads om ett visst fall, vilket visar mycket hög intern konsistens. När den arbetade endast utifrån de grundläggande sammanfattningarna matchade dess slutliga rekommendation MDT:s enhälliga beslut i ungefär två tredjedelar av patienterna (20 av 30). De flesta oenigheter berodde på att AI:n föreslog mer försiktiga åtgärder—såsom att föreslå cytostatika först, mer bilddiagnostik eller biopsier—medan expertteamet valde att gå direkt till operation i noggrant utvalda fall. När forskarna upprepade övningen men klart angav att levermetastaserna verkade operabla ökade överensstämmelsen kraftigt. I detta ”resectability-specified”-scenario matchade AI:n och MDT i 28 av 30 fall, eller 93 %, en nivå som författarna beskriver som mycket god överensstämmelse.

Vad mönstren av oenighet avslöjar

Även efter att den extra informationen gavs fanns det fortfarande två patienter för vilka AI:n rekommenderade fortsatt systemisk behandling istället för operation, medan MDT valde en operation med mål att uppnå långsiktig kontroll. I studien tenderade AI:n att luta mot konservativa val när det fanns någon antydan om osäkerhet, vilket sannolikt speglar både säkerhetsinriktad träning och begränsningarna i att arbeta enbart från korta textsammanfattningar. Författarna och tidigare forskning noterar att sådana system kan bete sig olika mellan sjukhus, cancertyper och mjukvaruversioner, vilket innebär att prestationssiffror från en miljö inte utan vidare kan antas gälla överallt. De understryker också att viktiga mänskliga faktorer—som patientens preferenser, värderingar och vardagliga livskvalitet—inte lätt fångas i text eller riktlinjer och förblir området för möte-och-samtal-baserad klinisk bedömning.

Vad detta kan innebära för framtidens cancervård

Denna lilla pilotstudie antyder att, när den får tydlig och fullständig skriftlig information, kan ett chattbaserat AI ofta nå liknande behandlingsförslag som ett erfaret canceteam för kolorektalcancer som spridit sig till levern. Att på papper matcha expertbeslut är dock inte detsamma som att bevisa att AI-styrd vård är säker eller förbättrar utfall. Författarna betonar att dessa system allra högst bör ses som övervakade assistenter—nyttiga för att strukturera fallbeskrivningar eller peka på saknad information—hellre än autonoma beslutsfattare. Större, prospektiva studier som följer verkliga patientutfall, inte bara överensstämmandesnivåer, blir avgörande innan sådana verktyg kan litas på som en del av rutinvård.

Citering: Yılmaz, M., Abbaslı, N., Tuna, S. et al. Comparison of artificial intelligence and multidisciplinary team recommendations in the management of colorectal cancer liver metastases. Sci Rep 16, 7278 (2026). https://doi.org/10.1038/s41598-026-38449-z

Nyckelord: kolorektalcancer, levermetastaser, multidisciplinära team, kliniskt beslutsstöd, artificiell intelligens inom onkologi