Een nieuwe innovatieve deep learning AI-methode, ontwikkeld aan de Washington State University (WSU), is in staat pathologie, of tekenen van ziekte, in afbeeldingen van dierlijk en menselijk weefsel veel sneller en vaak nauwkeuriger identificeren dan mensen. Deze methode heeft de potentie om onderzoek naar ziektes te versnellen en medische diagnostiek te verbeteren. Denk bijvoorbeeld aan het diagnosticeren van kanker aan de hand van een biopsie in slechts enkele minuten.
Voor de ontwikkeling van deze AI-methode trainden wetenschappers het model aan de hand van beelden van eerdere epigenetische studies die waren uitgevoerd door het laboratorium van WSU bioloog Michael Skinner. Deze onderzoeken hadden betrekking op tekenen van ziekte op moleculair niveau in nier-, testikel-, eierstok- en prostaatweefsel van ratten en muizen. “Dit AI-gebaseerde deep learning programma was zeer, zeer nauwkeurig in het bekijken en analyseren van deze weefsels. Het zou een revolutie teweeg kunnen brengen in dit type geneeskunde voor zowel dieren als mensen, omdat het in wezen dit soort analyses beter mogelijk maakt”, aldus Skinner.
AI-methode getest op beelden van borstkanker
Na de eerste bevindingen hebben de onderzoekers de AI-methode ook getest op beelden van andere onderzoeken, waaronder onderzoeken naar borstkanker en lymfekliermetastase. De ontwikkeling van het onderzoek en de tests is beschreven in Scientific Reports.
De onderzoekers ontdekten dat het nieuwe AI deep learning model pathologieën niet alleen snel correct identificeerde, maar dit ook sneller deed dan eerdere modellen, en sommige gevallen vond die een getraind menselijk team had gemist. “Ik denk dat we nu een manier hebben om ziekten en weefsels te identificeren die sneller en nauwkeuriger is dan die van mensen,” zegt WSU-professor Lawrence Holder Holder, co-corresponderende auteur van het onderzoek.
Traditioneel vereist dit type analyse nauwgezet werk door teams van speciaal getrainde mensen die weefselplaatjes onderzoeken en van aantekeningen voorzien met behulp van een microscoop - waarbij ze vaak elkaars werk controleren om menselijke fouten te beperken.
Epigenetica onderzoek
In Skinner's onderzoek naar epigenetica, waarbij veranderingen in moleculaire processen worden bestudeerd die het gedrag van genen beïnvloeden zonder het DNA zelf te veranderen, kon deze analyse voor grote studies tot meer dan een jaar duren. Nu, met het nieuwe AI deep learning model, kunnen ze dezelfde gegevens binnen een paar weken krijgen, zo stelt Skinner.
Deep learning is een AI-methode die het menselijk brein probeert na te bootsen. De ontwikkelde methode gaat verder dan het traditionele machinaal leren. In plaats daarvan is een deep learning model gestructureerd met een netwerk van neuronen en synapsen. Als het model een fout maakt, “leert” het daarvan met behulp van een proces dat backpropagatie heet, waarbij het een heleboel veranderingen aanbrengt in het hele netwerk om de fout te herstellen, zodat het deze niet zal herhalen.
Grote bestanden anders analyseren
Het onderzoeksteam ontwierp het WSU deep learning model om om te gaan met extreem hoge resolutie, gigapixel afbeeldingen, wat betekent dat ze miljarden pixels bevatten. Om om te gaan met de grote bestandsgroottes van deze afbeeldingen, die zelfs de beste computer kunnen vertragen, ontwierpen de onderzoekers het AI-model om naar kleinere, individuele delen te kijken, maar ze toch, met een lagere resolutie, in de context van grotere delen te plaatsen. Dit is een proces dat hetzelfde werkt als het in- en uitzoomen op een microscoop.
De auteurs wijzen ook op het potentieel van het model voor het verbeteren van onderzoek en diagnose bij mensen, met name voor kanker en andere gen-gerelateerde ziekten. Zolang er gegevens zijn, zoals geannoteerde afbeeldingen die kanker in weefsels identificeren, zouden onderzoekers het AI-model kunnen trainen om dat werk te doen “Het netwerk dat we hebben ontworpen is state-of-the-art. We hebben voor dit artikel vergelijkingen gemaakt met verschillende andere systemen en datasets en het heeft ze allemaal verslagen”, vertelt Holder.\
Het gebruik van AI-tools voor de analyse van medische beelden is een ontwikkeling die de afgelopen jaren steeds meer ontwikkeld en getest wordt. Zo werd eerder dit jaar in Denemarken een AI-tool getest die kan helpen bij de diagnose van röntgenfoto’s van de borstkast. Daarbij lag de focus met name op het uitsluiten van diagnoses zonder dat daarbij het aantal kritische missers groter werd. En in 2022 schreef Wouter Bulten, promovendus van het Radboudumc, een proefschrift over hoe AI prostaatweefsel even goed kan beoordelen op de aanwezigheid van kanker als ervaren pathologen
