Twee jonge TU/e-onderzoekers werken aan AI-oplossingen om artsen te helpen alvleesklierkanker op te sporen en een behandelplan op te zetten. Het onderzoek wordt uitgevoerd met ondersteuning van het ACACIA-project binnen het Eindhoven Artificial Intelligence Systems Institute (EAISI) en als onderdeel van het regionale samenwerkingsverband e/MTIC (TU Eindhoven, Catharina Ziekenhuis, Máxima Medisch Centrum, Kempenhaeghe Epilepsie- en slaapcentrum en Philips).
Alvleesklierkanker is een van de meest dodelijke kankersoorten. Jaarlijks krijgen zo’n 3.000 Nederlanders de diagnose. Helaas is de ziekte erg moeilijk op te sporen. De symptomen zijn vaag en lichamelijke klachten ontstaan vaak pas wanneer de tumor al ingegroeid is in omliggende organen of bloedvaten. Daardoor is de ziekte ook moeilijk te behandelen.
Alvleesklierkanker detecteren
Het ACACIA-project binnen het EAISI richt zich op de inzet van AI om de zorg rond hart- en vaatziekten en kanker te verbeteren. Doel is om een systeem te bouwen waarin AI artsen kan ondersteunen bij het opsporen van verschillende vormen van kanker. Binnen dit project werken Terese Hellström, PhD-kandidaat electrical engineering bij de TU Eindhoven, en Victoria Bruno, EngD-kandidaat industrial design bij de TU Eindhoven, aan een AI-model om alvleesklierkanker te detecteren.
Hellström focust zich voornamelijk op de ontwikkeling van het AI-systeem. Met behulp van deep learning-modellen kan op basis van CT-beelden worden vastgesteld waar een tumor zit. Ook kan zo worden nagegaan in hoeverre de tumor verbonden is met bijvoorbeeld bloedvaten en ander weefsel. Dat is belangrijke informatie voor het plannen van de behandeling. Als de tumor in gezonde bloedvaten groeit, is opereren bijvoorbeeld vaak veel risicovoller.
Integreren in het werkproces
Bruno kijkt vanuit het oogpunt van design naar de tool die wordt ontwikkeld. Ze onderzoekt bijvoorbeeld hoe de AI zo goed mogelijk kan worden geïntegreerd in bestaande processen. Ook zorgt ze ervoor dat data op een passende en begrijpelijke manier wordt weergegeven en dat er op een gepaste manier wordt omgegaan met onzekerheid.
Een belangrijke overweging daarbij is of de arts de bevindingen van de AI als eerste ziet of dat de arts eerst zelf een oordeel moet vellen en daarna pas de bevindingen van de AI ziet. Bruno: “We hebben het systeem zo ontworpen dat de arts niet meteen de bevindingen van het algoritme ziet. Zo kunnen ze zelf eerst een oordeel vellen. Daarna kunnen ze met een druk op de knop zien wat de bevingen van de AI zijn.”
Uniek aan dit project is de samenwerking tussen de academische wereld en het ziekenhuis. Via het samenwerkingsverband e/MTIC volgt een aantal artsen het volledige ontwikkelingsproces op de voet. Zij kunnen in elk fase aangeven wat wel en niet werkt, zodat al in een vroeg stadium kan worden bijgestuurd. “Dat is ontzettend belangrijk om het product uiteindelijk ook echt op de markt te kunnen brengen”, aldus Hellström.
Klinisch onderzoek
Om de technologie in de klinische praktijk te kunnen integreren, is klinisch onderzoek essentieel. Hier wordt komend jaar mee gestart. Dat betekent dat de technologie dan voor het eerst op grotere schaal getest gaat worden in het ziekenhuis, zodat er ook uitgebreidere feedback komt van een breder scala aan gebruikers. Ook eventuele designkeuzes kunnen waar nodig dan nog worden aangepast.
Voor de uiteindelijke implementatie van de technologie is het heel belangrijk dat artsen er vertrouwen in hebben. Hellström: “Er komen nu steeds meer regels voor het gebruik van AI in de gezondheidszorg. Door de regels en bijbehorende keurmerken weten artsen beter welke tools zij kunnen vertrouwen. Ik hoop dat dit ertoe leidt dat technologie vaker wordt ingezet, en dat er meer ruimte voor innovatie ontstaat.”
AI-tool voor vroege detectie
Vorig jaar ontwikkelden onderzoekers van de Harvard Medical School en de Universiteit van Kopenhagen ook al een AI-tool voor alvleesklierkanker. Met deze tool konden mensen met het hoogste risico op deze vorm van kanker tot drie jaar vóór de daadwerkelijke diagnose worden opgespoord. Opvallend was dat met name een aantal symptomen die normaal niet direct gerelateerd zijn met alvleesklierkanker, toch een zekere voorspellende waarde hadden. De onderzoekers testten uiteindelijk verschillende versies van de AI-modellen op hun vermogen om mensen met een verhoogd risico op ziekteontwikkeling te ontdekken.
