Onderzoekers van het Mahmood Lab in Brigham and Women’s Hospital proberen artsen te helpen bij het opsporen van zeldzame ziekten met een deep learning-algoritme. Het gaat om een zelflerende AI-tool, die vergelijkbare gevallen van een zeldzame ziekte opspeurt in beelddatabases. Dit slimme algoritme heeft veel potentieel en kan artsen onder meer helpen bij snellere en betere diagnostiek en het kiezen van optimale behandelingsmethoden.
Diagnostiek van zeldzame ziekten, bijvoorbeeld weinig voorkomende vormen van kanker, is ingewikkeld en ook het voorspellen van de meest optimale behandelingsoptie is meestal geen sinecure. Met een nieuwe tool, Self-Supervised Image Search for Histology (SISH), worden artsen hierbij effectief ondersteund.
Zoekmachine
In de praktijk bleek het opschalen van dergelijk onderzoek problematisch doordat het ophalen van dia-afbeeldingen (WSI’s) traag en gecompliceerd is. Om dit proces te versnellen hebben de onderzoekers van Brigham SISH ontwikkeld, een systeem dat veel sneller is waardoor schaalgrootte een minder groot knelpunt wordt.
De zogeheten Self-Supervised Image Search for Histology, werkt in feite als een soort slimme zoekmachine. Met hulp van AI werkt de zoekmachine grote databases door met medische scan-afbeeldingen. Bijzonder is dat dit minder computercapaciteit kost, omdat de AI werkt op basis van het herkennen van patronen en kenmerken. Er zijn veel potentiële mogelijkheden voor deze toepassing. Denk onder meer aan het herkennen van ziektes op medische beelden, het typeren van ziekten en tumoridentificatie.
Zeldzame kankers
In hun studie testten de onderzoekers de snelheid en het vermogen van SISH om interpreteerbare informatie over het ziektesubtype op te halen voor veel voorkomende en zeldzame kankers. De studie is onlangs gepubliceerd in het tijdschrift Nature Biomedical Engineering. “De AI-tool heeft met succes afbeeldingen met snelheid en nauwkeurigheid opgehaald uit een database van tienduizenden hele dia-afbeeldingen van meer dan 22.000 patiëntgevallen, met meer dan 50 verschillende ziektetypes en meer dan een dozijn anatomische locaties”, aldus de onderzoekers. Deze nieuwe AI-zoekmachine heeft de mogelijkheid om analoge kenmerken in pathologiebeelden te identificeren en gebruikt die informatie om zowel de vorm van de ziekte te lokaliseren, terwijl het ook artsen en andere clinici helpt te bepalen welke therapieën zullen worden toegepast.
SISH is veelbelovend
Het SISH maakt identificatie van zeldzame ziekten in de toekomst waarschijnlijk gemakkelijker en kan eventueel ook ingezet worden voor het diagnosticeren voor andere ziekten dan kanker. Zeker is dat de inzet van AI in de toekomst grote impact zal hebben op radiologie en artsen steeds beter gaat helpen om diagnoses te stellen en behandelingen te optimaliseren. Ook in Nederland wordt heel veel veelbelovend onderzoek gedaan naar AI, zoals in het Isala waar onlangs onder meer twee krachtige computers geplaatst, die momenteel getraind worden voor het lezen van diverse beelden voor verschillende toepassingen.
