Dies ist das dritte Feature in einer sechsteiligen Serie, die untersucht, wie KI die medizinische Forschung und Behandlung verändert.
Ovarialkrebs ist selten, unterfinanziert und tödlich", sagt Audra Moran, Leiterin der Ovarial Cancer Research Alliance (Ocra), einer weltweiten Wohltätigkeitsorganisation mit Sitz in New York.
Wie alle Krebsarten, je früher es erkannt wird, desto besser.
Die meisten Eierstockkrebse beginnen in den Eileitern, so dass es, wenn es an die Eierstöcke gelangt, möglicherweise bereits an anderer Stelle verbreitet haben.
"Fünf Jahre vor dem Auftreten eines Symptoms muss man möglicherweise Eierstockkrebs feststellen, um die Sterblichkeit zu beeinflussen", sagt Frau Moran.
Aber neue Bluttests entstehen, die die Macht der künstlichen Intelligenz (KI) nutzen, um Anzeichen des Krebses in seinen sehr frühen Stadien zu erkennen.
Und es ist nicht nur Krebs, KI kann auch andere Bluttests auf potenziell tödliche Infektionen wie Lungenentzündung beschleunigen.
Dr. Daniel Heller ist Biomediziner am Memorial Sloan Kettering Cancer Center in New York.
Sein Team hat eine Testtechnologie entwickelt, die Nanoröhren verwendet - winzige Kohlenstoffröhren, die etwa 50.000 Mal kleiner als der Durchmesser eines menschlichen Haares sind.
Vor etwa 20 Jahren begannen Wissenschaftler, Nanoröhren zu entdecken, die fluoreszierendes Licht ausstrahlen können.
In den letzten zehn Jahren lernten die Forscher, wie man die Eigenschaften dieser Nanoröhren verändert, so dass sie auf fast alles im Blut reagieren.
Jetzt ist es möglich, Millionen von Nanoröhren in eine Blutprobe zu stecken und sie unterschiedliche Wellenlängen von Licht aussenden zu lassen, basierend auf dem, was an ihnen haften bleibt.
Aber das blieb die Frage der Interpretation des Signals, das Dr. Heller mit der Suche nach einem Fingerabdruck vergleicht.
In diesem Fall ist der Fingerabdruck ein Muster von Molekülen, die sich an Sensoren binden, mit unterschiedlichen Empfindlichkeiten und Bindungsstärken.
Aber die Muster sind zu subtil, um einen Menschen zu finden.
"Wir können uns die Daten ansehen und werden überhaupt keinen Sinn daraus machen", sagt er.
"Wir können nur die Muster sehen, die mit KI anders sind." Die Entschlüsselung der Nanoröhrendaten bedeutete, die Daten in einen maschinellen Lernalgorithmus zu laden und dem Algorithmus zu sagen, welche Proben von Patienten mit Eierstockkrebs stammen und welche von Menschen ohne sie.
Dazu gehörten Blut von Menschen mit anderen Krebsarten oder anderen gynäkologischen Erkrankungen, die mit Eierstockkrebs verwechselt werden könnten.
Eine große Herausforderung bei der Verwendung von KI zur Entwicklung von Bluttests für die Ovarialkrebsforschung ist, dass es relativ selten ist, was die Daten für Trainingsalgorithmen begrenzt.
Und auch diese Daten werden in Krankenhäusern, die sie behandelt haben, mit minimalem Datenaustausch für Forscher silosiert.
Dr. Heller beschreibt das Training des Algorithmus auf verfügbaren Daten von nur wenigen 100 Patienten als "Hail Mary Pass".
Aber er sagt, dass die KI in der Lage war, bessere Genauigkeit als die besten Krebs-Biomarker zu bekommen, die heute verfügbar sind - und das war nur der erste Versuch.
Das System befindet sich in weiteren Studien, um zu sehen, ob es mit größeren Sensoren und Proben von vielen weiteren Patienten verbessert werden kann.
Mehr Daten können den Algorithmus verbessern, genauso wie Algorithmen für selbstfahrende Autos mit mehr Tests auf der Straße verbessern können.
Dr. Heller hat große Hoffnungen auf die Technik.
"Was wir gerne tun würden, ist, alle gynäkologischen Krankheiten zu triagen - also wenn jemand mit einer Beschwerde hereinkommt, können wir Ärzten ein Werkzeug geben, das ihnen schnell sagt, dass es eher ein Krebs ist oder nicht, oder dieser Krebs als das." Dr. Heller sagt, dass dies "drei bis fünf Jahre" entfernt sein kann.
Es ist nicht nur die Früherkennung, dass KI potenziell nützlich ist, es beschleunigt auch andere Bluttests.
Für einen Krebspatienten kann es tödlich sein, Lungenentzündung zu fangen, und da es etwa 600 verschiedene Organismen gibt, die Lungenentzündung verursachen können, müssen Ärzte mehrere Tests durchführen, um die Infektion zu identifizieren.
Aber neue Arten von Bluttests vereinfachen und beschleunigen den Prozess.
Karuis, mit Sitz in Kalifornien verwendet künstliche Intelligenz (KI), um die genaue Pneumonie-Erreger in 24 Stunden zu identifizieren, und wählen Sie das richtige Antibiotikum für sie.
Vor unserem Test, ein Patient mit Lungenentzündung würde 15 bis 20 verschiedene Tests haben, um ihre Infektion in nur in der ersten Woche im Krankenhaus zu identifizieren - das ist etwa $ 20.000 in Tests, sagt Karius Chief Executive Alec Ford.
Karius hat eine Datenbank mit mikrobiellen DNA, die zig Milliarden Datenpunkte hat.
Testproben von Patienten können mit dieser Datenbank verglichen werden, um den genauen Erreger zu identifizieren.
Herr Ford sagt, das wäre ohne KI unmöglich gewesen.
Eine Herausforderung ist, dass Forscher derzeit nicht unbedingt alle Verbindungen verstehen, die eine KI zwischen den Test-Biomarkern und den Krankheiten herstellen könnte.
In den letzten zwei Jahren hat Dr. Slav Petrovski eine KI-Plattform namens Milton entwickelt, die mithilfe von Biomarkern in den britischen Biobankdaten 120 Krankheiten mit einer Erfolgsrate von über 90% identifiziert.
Muster in einer solchen Masse von Daten zu finden, ist nur etwas, das KI tun kann.
Dies sind oft komplexe Muster, bei denen es vielleicht nicht einen Biomarker gibt, aber man muss das ganze Muster berücksichtigen, sagt Dr. Petrovski, der ein Forscher am Pharmariesen AstraZeneca ist.
Dr. Heller verwendet eine ähnliche Muster-Matching-Technik in seiner Arbeit an Eierstockkrebs.
"Wir wissen, dass der Sensor Proteine und kleine Moleküle im Blut bindet und reagiert, aber wir wissen nicht, welche der Proteine oder Moleküle krebsspezifisch sind", sagt er.
Allgemeinere Daten, oder das Fehlen davon, sind nach wie vor ein Nachteil.
"Die Menschen teilen ihre Daten nicht, oder es gibt keinen Mechanismus, um es zu tun", sagt Frau Moran.
Ocra finanziert ein groß angelegtes Patientenregister, mit elektronischen medizinischen Aufzeichnungen von Patienten, die Forschern erlaubt haben, Algorithmen auf ihren Daten zu trainieren.
"Es ist früh - wir sind noch im wilden Westen der KI", sagt Frau Moran.