Search
Close this search box.
Search

Onderzoek naar computergestuurde prognosemodellen borstkanker

Het proces voor het interpreteren van prognosemodellen is lastig en complex. Wetenschappers van de Vrije Universiteit hebben onderzoek gedaan naar twee methoden, LIME en SHAP, om de prognose van computergestuurde modellen te interpreteren. Hiermee is een eerste stap gezet naar het verkrijgen van een beter inzicht in achterliggende factoren die de overleving van borstkanker beïnvloeden.

Die factoren kunnen niet worden gedestilleerd uit prognosemodellen op basis van kunstmatige intelligentie voor borstkanker. In eerdere onderzoeken en klinische studies is wel aangetoond dat AI en machine learning een bijdrage kunnen leveren aan snellere en betere diagnose, de besluitvorming rond oncologische behandelingen en het beter leren begrijpen van de ziekte kanker zelf.

In de praktijk wordt de adaptatie van deze technologie echter nog tegengehouden door het feit dat er nog nauwelijks verklaringen gevonden kunnen worden voor hoe de computergestuurde, AI en machine learning modellen resultaten genereren.

Computergestuurde prognosemodellen

In hun studie presenteerden Tom Jansen van VU en zijn medeauteurs een computergestuurd mogelijk voor de prognose van de algehele 10-jaarsoverleving van borstkanker patiënten. Daarvoor werd gebruik gemaakt van data uit de Nederlandse Kankerregistratie (NKR). Om de voorspellingen van het computergestuurd model te interpreteren maakten zij gebruik van twee modellen; het Local Interpretable Model-Agnostic Explanations, LIME, model en het SHapley Additive exPlanations, SHAP, model.

Uit de analyses bleek vervolgens dat beide modellen over het geheel genomen de neiging hebben een consistente verklaring te geven voor de bijdrage van verschillende factoren. In 95 procent van de gevallen was er een overeenkomst tussen beide modellen. Het LIME-model gaf in een aantal gevallen wel een inconsistente en tegengestelde verklaringen voor individuele voorspellingen. De onderzoekers concluderen echter dat ook deze factoren interessant zijn. Specifieke factoren kunnen namelijk bijdragen bij de identificatie van omslagpunten ten gunste of ten nadele van de overleving c.q. overlijden.

Uitdagingen en aanbeveling

De onderzoekers concluderen dat de LIME en SHAP methoden een eerste stap zijn op weg naar een betere interpretatie van complexe modellen. Ook bieden de methoden inzicht in factoren die prognosemodellen zelf niet geven. Het is echter wel goed om te realiseren dat perfecte verklaringen niet haalbaar zijn, aangezien er geen ‘gouden standaard’ waarmee deze verklaringen te vergeleken kunnen worden.

Het evalueren van deze modellen is daarom meteen ook een van de grote uitdagingen. Verklarende technieken kunnen de weg effenen voor een bredere acceptatie van computergestuurde leermodellen. De evaluatie en vertaling naar de klinische praktijk vergt aanvullend onderzoek.

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
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
Narcolepsie
Nieuwe app voor brede behandelaanpak narcolepsie
Zorgorganisatie ZuidOostZorg pioniert in haar verpleegklinieken ondertussen al volop met de inzet van Medido medicijndispensers.
Verpleegklinieken pionieren succesvol met medicijndispensers
AI-opleiding
AI-opleiding voor medewerkers ETZ
zelfherstel
Zebravis onderzoek werpt nieuw licht op behandeling blindheid
Transparantie zorg
Politiek eist meer transparantie over kwaliteit van zorg
Volg jij ons al?