Wetenschappers van de Universiteit Maastricht (UM) hebben een AI-methode ontwikkeld die volgens hen sneller werkt en nauwkeuriger en beter reproduceerbare uitkomsten oplevert dan het werk van individuele radiologen. Dit zou van invloed zijn op het voorspellen van overlevingskansen van individuele patiënten. Dit geldt onder meer voor de detectie en segmentatie van longtumoren. De bevindingen van de betrokken wetenschappers zijn gepubliceerd in het wetenschappelijke tijdschrift Nature Communications.
Medisch specialisten kunnen de AI-oplossing van de Maastrichtse wetenschappers onder meer gebruiken voor diagnose, het bepalen van de tumor-grootte en opvolging van het bestralingstraject bij patiënten. Het onderzoeksteam deed een vergelijkend onderzoek met gegevens uit verschillende ziekenhuizen uit Europa, de VS en China). Zij vonden de resultaten zo overtuigend, dat ze hebben besloten hun AI-methode en bijbehorende software open source aan te bieden, samen met de bijbehorende gecertificeerde software.
Betere inschatting grootte tumor
Om hun AI-toepassing te trainen, gebruikten de onderzoekers ruim 1.300 CT-scans van ziekenhuizen in Nederland, België, de VS en China. Ze vergeleken de resultaten van hun AI-methode met de prestaties van radiologen op verschillende punten. Daaruit zou blijken dat het AI-model niet alleen sneller is in het detecteren en afbakenen van de tumor bij longkankerpatiënten, maar ook beter in staat lijkt te zijn de grootte van een tumor in te schatten en op een meer reproduceerbare manier.
Dit laatste is volgens de wetenschapper een belangrijk gegeven, omdat een nauwkeurige tumorafbakening cruciaal is voor het toedienen van de juiste dosis bestraling. Bovendien is de software 100 procent reproduceerbaar, in tegenstelling tot het werk van menselijke experts.
‘Een blind onderzoek heeft zelfs uitgewezen dat een meerderheid van de medisch specialisten (onbewust) de voorkeur gaf aan de resultaten van de AI-methode. De Maastrichtse wetenschappers hebben bovendien aangetoond dat de geautomatiseerde afbakening een betere voorspelling van overlevingskansen mogelijk maakt dan een handmatige’, aldus Universiteit Maastricht.
Snelle toepassing
Onderzoeksleider Philippe Lambin, hoogleraar Precisiegeneeskunde in Maastricht, stelt te hopen dat het open source delen van het AI-model zal bijdragen aan een snelle toepassing in ziekenhuizen. Zijn onderzoeksgroep voorziet drie toepassingen van de software: diagnose, afbakening voor radiotherapie en responsevaluatie. “We hebben ons best gedaan om de oplossing prospectief te evalueren, maar het moet nog worden getest in een daadwerkelijke ziekenhuisomgeving.”
Universitair docent en hoofd van het lab, Henry Woodruff, stelt verder dat "generaliseerbaarheid en robuustheid belangrijke factoren zijn voor AI-oplossingen in de geneeskunde. Daarom hebben we verschillende datasets uit Europa, de VS en China gebruikt."
Sergey Primakov, hoofdauteur van het artikel in Nature Communications, benadrukt dat hoewel er soortgelijke oplossingen in het veld worden voorgesteld, dit voor zover bekend de eerste volledig geautomatiseerde detectie- en segmentatietool die zo uitgebreid is getest. “Bovendien hebben we een enorme CT-dataset verzameld en samengesteld voor het trainen van ons model. Door onze code open source te maken, hopen we een waardevolle bijdrage te leveren aan het werkveld van de medische beeldvorming.”
Groeiende inzet AI
AI-toepassingen worden steeds vaker ingezet op gebieden zoals diagnostiek, maar ook in de processen eromheen. Zo maakte het Eindhovense Catharina ziekenhuis onlangs bekend dat het kunstmatige intelligentie gebruikt om plannen voor bestraling van borstkanker te genereren. In het Amsterdam UMC werkt een team van artsen, onderzoekers, en data scientists aan de ontwikkeling van een AI-model dat op een objectieve manier vaststelt hoe een tumor reageert op een behandeling.
