Search
Close this search box.
Search

Afstoting donornieren voorspellen met machine learning

Om de kans te voorspellen dat een getransplanteerde donornier door het lichaam afgestoten wordt, wordt nu nog gebruik gemaakt van een histopathologische beoordeling van transplantatiebiopten. Wetenschappers van het DEEPGRAFT-consortium hebben de afgelopen periode onderzoek gedaan naar het inzetten van machine learning en kunstmatige intelligentie om de kans op afstoting nauwkeuriger te kunnen voorspellen.

De huidige methode vergt veel tijd en inspanning en is niet altijd even nauwkeurig als het gaat om het voorspellen van de kans op afstoting van een donornier door het lichaam. Het tekort aan donornieren onderstreept het belang van het lang mogelijk goed blijven functioneren van een donornier.

Het DEEPGRAFT-consortium is een samenwerking tussen Amsterdam UMC, UMC Utrecht, RWTH Aken (Duitsland) en KU Leuven (België), en is mede mogelijk gemaakt door een Kolff-beurs van de Nierstichting.

Afstoting donornieren beter voorspellen

De wetenschappers van het DEEPGRAFT-consortium wilden daarom het nut van deep learning analyseren. Met als doel de histologie van niertransplantaatbiopten vooraf te classificeren in drie brede hoofdcategorieën – normaal, afstoting en andere ziekten – als een mogelijk triagesysteem voor biopsie dat zich richt op transplantaatafstoting.

“We hebben een algoritme, een ingewikkelde wiskundige formule, ontwikkeld dat is getraind op meer dan 5.800 scans van nierbiopten. Het is de eerste keer in de wereld dat het is gelukt om direct de aanwezigheid van afstoting aan te tonen. Heel belangrijk om in de toekomst pathologen te kunnen ondersteunen in hun diagnose voor patiënten. En om het verschil tussen specialisten te verkleinen”, vertelt Jesper Kers, patholoog bij het Amsterdam UMC.

Door middel van een visuele terugkoppeling toont het algoritme aan welke gebieden in het nierbiopt afwijkend zijn. Met die informatie kan de patholoog zijn diagnose verder onderbouwen. Op dit moment werken de wetenschappers nog wel aan de verfijning van het algoritme. “Wij willen onderscheid kunnen maken tussen, bijvoorbeeld, de verschillende subtypen van afstoting en de aanwezigheid van virale infecties zoals het BK-virus”, aldus Kers.

Statistisch voorspelmodel

Begin 2020 ontving Jan van den Brand, epidemioloog en onderzoeker van het Radboudumc, een Kolff-beurs voor zijn onderzoek de ontwikkeling van een statistisch model om de kans op afstoting van transplantaten te voorspellen.

De studie van het DEEPGRAFT-consortium heeft inmiddels dus aangetoond dat op deep learning gebaseerde classificatie van transplantatiebiopten de pathologische diagnostiek van nier transplantaatafstoting zou kunnen ondersteunen. De resultaten van het onderzoek werden onlangs gepubliceerd in The Lancet.

Ron Smeets

ICT&health World Conference 2024

Ervaar de toekomst van de gezondheidszorg tijdens de ICT&health World Conference van 14-16 mei 2024! Claim alvast jouw ticket en dompel je onder in baanbrekende technologieën en innovatieve oplossingen. Ga in gesprek met collega-experts en verken de kracht van wereldwijde samenwerkingen.

Deel dit artikel!

Lees ook
Duurzaam laryngoscoopblad
UMC Utrecht stapt over op herbruikbare laryngoscoopbladen
eHealth
Digitale receptionist Emma aan het werk gezet
operatierisico
Machine learning voorspelt operatierisico bij PAV
Radiologie
Inzet van AI maakt radioloog niet per se beter
menselijke AI
Bijna 7 miljoen beschikbaar voor mensgerichte AI
AI
Hoe AI urologische problemen bij baby’s voorspelt
acute zorg
Zorgsector pleit in kamerbrief voor betere databeschikbaarheid
Datalek Zuyderland
Datalek bij Zuyderland Medisch Centrum
verpleegkundige
1 op 5 zorgmedewerkers wil zonder ICT werken  
Parkinson Punt Zuyd
Website Parkinson Punt Zuyd gelanceerd
Volg jij ons al?