Om met behulp van artificial intelligence (AI) te komen tot het verbeteren van de diagnostische mogelijkheden in de dermatologie - met name bij Mohs-chirurgie voor de behandeling van basaalcelcarcinoom - werken het Radboud UMC en het Maastricht UMC+ (MUMC+) nauw samen. Dit samenwerkingsproject maakt deel uit van het Academisch Alliantie Fonds van 2021.
In het project werken de afdelingen Pathologie van beide ziekenhuizen samen met de Computational Pathology Group van Radboud UMC. Het doel is een klinisch toepasbaar AI-systeem te ontwikkelen dat de Mohs-chirurg kan ondersteunen bij het beoordelen van vriescoupes tijdens de operatie voor basaalcelcarcinoom. Bij Mohs-chirurgie wordt een laagje huidkanker weggehaald en direct onder de microscoop bekeken.
Lisa Hillen, patholoog van het MUMC+ over het onderzoek: “Onderzoeker Daan Geijs van het Radboud UMUC ontwikkelde een algoritme voor de herkenning van basaalcelcarcinoom en past deze samen met ons aan voor het gebruik tijdens Mohs-chirurgie met behulp van vriescoupes. De samenwerking tussen MUMC+ en Radboud UMC is gebaseerd op het delen van expertise, leren van elkaars kennis en het aanvullen van elkaars sterke punten.”
Elkaar versterken
Het Radboud UMC heeft volgens Hillen een sterke onderzoeksgroep op het gebied van kunstmatige intelligentie in de digitale pathologie. “Zij hebben lopende projecten gericht op dermatopathologie, zoals het identificeren van basaalcelcarcinoom in biopten. MUMC+ heeft een aanzienlijk groter aantal patiënten voor Mohs-chirurgie dan Radboud UMC en heeft daardoor meer praktische ervaring met deze specifieke procedure. Bovendien fungeert MUMC+ als een opleidingscentrum voor Mohs-chirurgie, terwijl Radboud UMC dat niet doet.”
Om die reden wordt deze samenwerking als ideaal beschouwd om de toepassing van interoperatieve kunstmatige intelligentie voor Mohs-chirurgie klinisch te valideren en te verbeteren, waarbij praktijkervaring en academische expertise worden gecombineerd.
Onderzoeksvoorstel indienen
Geert Litjens, hoogleraar Al voor analyse van medische beelden in de pathologie en radiologie aan het Radboud UMC/de Radboud Universiteit, toont zich tevreden over de samenwerking. “Vanuit de academische alliantie kwam er de mogelijkheid om samen een onderzoekvoorstel in te dienen. Vanuit de huidkankerzorg werd er al samengewerkt en aan de Radboudkant hadden we ook al een AI-project op het detecteren van basaalcelcarcinoom, het meest voorkomende type huidkanker.”
Dit type huidkanker komt vaak voor op vervelende plaatsen, bijvoorbeeld in het gezicht. Het wegsnijden op de traditionele manier zorgt voor een groot, vervelend litteken. Dit kan verbeterd worden met Mohs-chirurgie, waar tijdens de behandeling microscopisch gekeken wordt of alles is wegsneden en daardoor veel minimaal invasiever behandeld kan worden. Dit wordt door een dermatoloog gedaan.
“Die heeft daar een dure extra opleiding voor nodig, terwijl de accuraatheid nog altijd minder is dan die van een patholoog”, vervolgt Litjens. “Dit leek ons daarom een ideale situatie voor toepassing van AI én een ideale samenwerking, aangezien Radboud UMC de AI-expertise had en MUMC+ een groot opleidingscentrum voor Mohs-chirurgie heeft. Daarnaast wordt er ook nog op veel andere vlakken samengewerkt.”
Verbetering behandelprotocollen
AI kan volgens de betrokkenen een rol van betekenis krijgen bij Mohs-chirurgie. Hillen hierover: “AI-toepassingen kunnen worden getraind om de microscopische beelden van verwijderd weefsel te analyseren en te helpen bij het identificeren van kankercellen. Een getraind AI-systeem zou kunnen worden gebruikt om chirurgen te ondersteunen bij het nemen van beslissingen tijdens de operatie. Verder kan AI bijdragen aan het efficiënt archiveren en analyseren van patiëntgegevens en resultaten van eerdere MOHS-procedures. Dit kan helpen bij longitudinaal onderzoek en het verbeteren van behandelprotocollen.”
Specialisme-overstijgend
In de medische wereld zijn medici specialisten. AI hoeft zich daar niet toe te beperken, meent Litjens: “De huidige AI-oplossingen zijn heel specifiek voor een bepaald domein en specialisme. Ik denk dat er heel veel toekomst zit in een systeem dat alle mogelijke bronnen van informatie - bijvoorbeeld vanuit radiologie en pathologie maar ook bloedonderzoek en symptomen - kan combineren, om zo tot de best mogelijke behandeling te komen. Dus in plaats van in te zoomen op een specifiek probleem, meer met een helikopterview kijken naar de algehele gezondheidssituatie van een patiënt kijken.”
"We moeten met AI meer met een helicopterview kijken"
Volgens Litjens werd AI eerst vooral aan de beeldvormende kant toegepast voor radiologie en pathologie, maar wordt de toepassing steeds breder. Bijvoorbeeld op de IC - om patiënten te monitoren - en bij genetica en medicijnontwikkeling. Maar op korte termijn denkt hij dat ziekenhuizen AI-algoritmen uitgebreider gaan inzetten voor ‘smalle’ toepassingen, zoals het beoordelen van radiologische beelden.
“Op middellange termijn verwacht ik dat algoritmen (semi-)autonoom ingezet gaan worden waarbij een arts nog maar een minimale controlefunctie uitvoert. Op de langere termijn voorzie ik nog bredere toepassing. Maar dan moet de betrouwbaarheid nog flink omhoog. Het voordeel is dat je met AI makkelijker meerdere datastromen kunt integreren zoals tekst en afbeeldingen. Ik zie daar veel toekomst in, omdat je het dan ook kunt inzetten op het moment dat je minder data hebt, bijvoorbeeld bij zeldzamere ziekten.”
Verhoging van efficiëntie, nauwkeurigheid en beschikbaarheid
De verwachtingen voor het gebruik van AI in de Mohs-chirurgie zijn volgens Hillen veelbelovend en kunnen de komende jaren belangrijke vooruitgang boeken. Over die potentiële ontwikkelingen en verwachtingen heeft hij het volgende te melden:
Klinische validatie: “In de huidige fase van het project willen we verifiëren of de ontwikkelde algoritmes door de Mohs-chirurgen wordt gezien als een nuttig hulpmiddel bij het beoordelen van vriescoupes. Als de resultaten positief zijn, zou dit een cruciale stap kunnen zijn om het vertrouwen van medisch professionals in de ondersteuning van AI te versterken.”
Integratie in de klinische routine: “Het volgende doel is het algoritme te integreren in de klinische routine. AI-ondersteuning zou dan een vast onderdeel worden van het diagnostische proces, wat de nauwkeurigheid en efficiëntie van diagnoses zou kunnen verbeteren.”
Uitgebreide toegang tot Mohs-chirurgie: “Een belangrijk langetermijndoel zou kunnen zijn om het algoritme breder beschikbaar te maken. Dit is met name belangrijk omdat de vraag naar Mohs-chirurgie voortdurend stijgt, vanwege de vergrijzende bevolking en de toename van basaalcelcarcinoom. AI zou kunnen helpen om middelen efficiënter te gebruiken en de toegang tot Mohs-chirurgie voor een groter aantal patiënten mogelijk te maken.”
Verdere toepassingen: “De technologie en ervaringen uit dit project kunnen worden uitgebreid naar andere gebieden van de dermatologie en pathologie. AI kan zo bijdragen aan het verbeteren van de diagnose en behandeling van huidaandoeningen in het algemeen.”
“Al met al zouden de vooruitgangen in AI-ondersteunde diagnostiek kunnen bijdragen aan het verhogen van de efficiëntie, nauwkeurigheid en beschikbaarheid van Mohs-chirurgie, waardoor een belangrijke bijdrage wordt geleverd aan de gezondheidszorg en de kwaliteit daarvan.”
