Hanarth Fonds heeft in een nieuwe financieringsronde vier onderzoeksprojecten aan het UMC Utrecht rond het thema AI en kanker gehonoreerd. Deze projecten omvatten innovatieve methoden voor de versnelde herkenning van tumortypes, het beoordelen van het effect van (chemo)radiotherapie, het herkennen van uitzaaiingen bij prostaatkanker en het verbeteren van MRI-beeldvorming. Het Hanarth Fonds, opgericht uit de nalatenschap van Arthur del Prado, voormalig CEO van ASM International, heeft meer dan 6 miljoen euro toegekend aan deze projecten.
Kunstmatige intelligente kan steeds beter bijdragen aan vroegere herkenning van de ziekte, helpt bij het karakteriseren van tumoren en ondersteunt specialisten bij het personaliseren van de behandeling. Dit alles leidt tot verbeterde overlevingskansen, efficiëntere behandelingen en helpt ook om bijwerkingen te minimaliseren. Kunstmatige intelligentie wordt dus steeds vaker ingezet als copiloot bij het ontdekken en bij het behandelen van kanker. Dit leidt tot innovaties zoals een AI-tool in Amsterdam voor patiënten met een Barrett-slokdarm, die helpt om beginnende slokdarmkanker op te sporen. Hiernaast is in Harvard bijvoorbeeld kortgeleden een AI-tool ontwikkeld, waarmee alvleesklierkanker in een aanzienlijk vroeger stadium kan worden opgespoord.
De vier nieuwe gehonoreerde projecten bij het UMC Utrecht laten opnieuw zien hoe AI-tools ingezet kunnen worden in de strijd tegen kanker.
Analyse hersenvocht
Het eerste project, geleid door Associate Professor Jeroen de Ridder, ontwikkelt een AI-toepassing voor de versnelde herkenning van tumortypes in het centrale zenuwstelsel via de analyse van hersenvocht. Deze innovatie streeft ernaar om het exacte type tumor te bepalen vóór een operatie, waardoor de noodzaak voor invasieve ingrepen vermindert en een directe, passende chirurgische strategie mogelijk wordt. Het project richt zich op tumoren van het centrale zenuwstelsel. Hierbij is toegang tot de tumor vaak onmogelijk zonder operatie.
Jeroen de Ridder licht toe op de website van Utrecht UMC: “Dit vormt een uitdaging voor neurochirurgen. Ze moeten namelijk opereren aan een tumor zonder te weten wat voor type tumor het is. Hierdoor bestaat de kans dat de patiënt nog een keer geopereerd moet worden.” Recentelijk is hiervoor de ‘Sturgeon’ ontwikkeld. Dat is een AI-toepassing waarbij al tijdens de operatie het exacte type tumor bepaald kan worden.
Effect chemotherapie beoordelen
Het tweede project van professor Nico van den Berg focust op hoofd-halskanker en de ontwikkeling van een AI-model dat het effect van (chemo)radiotherapie nauwkeuriger kan beoordelen. Dit model helpt radiologen en radiotherapeuten onderscheid te maken tussen resterende ziekte en behandelingsveranderingen, waardoor snellere en meer accurate beslissingen over vervolgbehandelingen mogelijk worden. Nico van den Berg: “Het doel is om betrouwbaar onderscheid te maken tussen resterende ziekte en veranderingen na de behandeling. Daardoor zal er nauwkeuriger kunnen worden beoordeeld of er behoefte is aan een tweede operatie. Dit kan de overleving en kwaliteit van leven verbeteren. Onnodige procedures worden geminimaliseerd en de belasting voor de patiënt wordt verminderd.”
Uitzaaiingen prostaatkanker
Het onderzoek van Associate Professor Arthur Braatricht zich op het verbeteren van de detectie van uitzaaiingen bij prostaatkanker. Hierbij wordt AI ingezet bij het analyseren van PSMA PET/CT-scans. Dit project beoogt een meer gepersonaliseerde behandelaanpak te ondersteunen door een beter inzicht te geven in de verschillen tussen patiënten. “In dit project gaan we kunstmatige intelligentie (AI) toepassen om de PSMA PET/CT automatisch te analyseren”, legt Arthur Braat uit. “Hierdoor krijgen we meer en beter inzicht in de onderlinge verschillen tussen patiënten.”
AI verbetert opsporing hersentumoren
Tot slot onderzoeken Associate Professor Alessandro Sbrizzi en Assistant Professor Stefano Mandija het gebruik van physics-informed neural networks om MRI-beeldvorming bij zeldzame hersenkankers te standaardiseren. Door AI-tools te versterken met uitgebreidere trainingssets, wordt de detectie en karakterisering van zeldzame tumoren aanzienlijk verbeterd. Beide onderzoekers vertellen: “Wij zullen de trainingsets van MRI-beelden gaan uitbreiden om de AI-tools te versterken. Voornamelijk op het gebied van zeldzame hersenkanker zoals meningiomen en gliomen. Hiervoor zijn op dit moment geen grote gestandaardiseerde datasets beschikbaar.”
