Op CT-scans van longen is soms meer zichtbaar dan de aandoening waarvoor een patiënt een scan moet laten maken. Bij veel mensen vindt de radioloog kleine bolletjes in de longen. Met wat voor bolletje je te maken hebt, is zelfs voor de best getrainde radioloog soms moeilijk te zien. Radioloog Joost Nederend van het Catharina Ziekenhuis startte in 2020 een studie naar het herkennen van die bolletjes met kunstmatige intelligentie.
Het onderzoek is inmiddels afgrond, met waardevolle resultaten waar toekomstige onderzoekers nog veel plezier van kunnen hebben. Het gaat vaak om goedaardige bolletjes maar in sommige gevallen het begin van een kwaadaardige tumor of uitzaaiing. “Aan de ene kant wilden we AI trainen om die bolletjes op scans te vinden. Ze kunnen écht heel klein zijn. De bolletjes waar we het hier over hebben verschillen van één millimeter tot drie centimeter. Dat vinden is dus nog niet zo makkelijk”, zegt Nederend. Ook wilde Nederend via AI laten voorspellen of de bolletjes goed- of kwaadaardig zijn en in wat voor tempo ze groeien.
Scan van de aorta
Het onderzoek richtte zich op patiënten die een scan van de aorta kregen, waarbij de aandacht dus in eerste instantie niet meteen op de longen was gericht. Op basis van tweeduizend scans van patiënten hebben ze gekeken wie er binnen tien jaar longkanker kreeg en in hoeverre dat dan mogelijk al op een eerdere scan te zien was. Van die groep van 2000 patiënten bleken er uiteindelijk 25 longkanker te ontwikkelen.
Grotendeels goedaardig
Nederend legt uit dat het merendeel van deze kankers wel werd gevonden op de scans, maar bij een aantal was dat niet het geval. Terwijl er toch al wel een heel klein bolletje zichtbaar was. Hij benadrukt dat AI kan helpen om die kleine bolletjes beter te vinden, maar dat het goed is om te beseffen dat veruit het grootste deel van die kleine bolletjes goedaardig is. “We zijn helaas nog niet zover gekomen dat AI alle kwaadaardige bolletjes van de goedaardige kan onderscheiden”, voegt hij toe.
Dankzij het onderzoek is er nu óók een dataset beschikbaar die ze als gouden standaard kunnen gebruiken om nieuwe modellen te trainen. “We hebben nu een reeks gegevens van patiënten waarbij we foto’s van alle stadia hebben én weten of de bolletjes goed of kwaadaardig worden. Dat helpt om AI te trainen”, legt Nederend uit.
De ervaring opgedaan bij dit onderzoek wordt onder meer gebruikt bij het door het KWF-kankerbestrijding gesubsidieerde onderzoek naar het voorspellen van longafwijkingen bij mensen met darmkanker. Daarvoor gaf het KWF een subsidie van 700.000 euro. Nederend is één van de hoofdonderzoekers.
Bolletjes onderscheiden
Het onderzoek is mede mogelijk gemaakt door het Catharina Onderzoeksfonds. Het onderzoek is afgerond, op de wetenschappelijke publicatie na. Nederend legt uit dat het onderzoek ook de komende jaren nog nuttig is. Deels komt dit door de uitgebreide dataset die nu voorhanden.
Ook verwacht hij dat met de verdere ontwikkeling van AI er nieuwe algoritmes komen die waarschijnlijk nog meer op scans gaan zien. Als er bijvoorbeeld over vijf jaar een nieuw, intelligenter algoritme is dan kan die in deze dataset weer andere verbanden leggen. Nederend verwacht dat AI in de toekomst dan ook kan helpen om goedaardige en kwaadaardige bolletjes in de longen van elkaar te onderscheiden.
Digitaal pathologieplatform
Eind augustus werd bekend dat een onderzoeksteam van de Faculteit Geneeskunde van de Universiteit van Keulen en het Universitair Ziekenhuis Keulen een op AI gebaseerd digitaal pathologieplatform heeft ontwikkeld. Het platform maakt gebruik van nieuwe algoritmen die door het team zijn ontwikkeld die het volledig geautomatiseerde analyseren van weefselsecties van longkankerpatiënten mogelijk maakt.