Goedaardige of kwaadaardige bolletjes in de longen? AI helpt de radioloog.
Patiënten kunnen om tal van redenen een CT-scan van hun longen krijgen. Op die scans is vaak meer te zien dan de aandoening waar de patiënt voor komt. Bij veel mensen vindt de radioloog kleine bolletjes in de longen. Heel vaak goedaardig, maar in sommige gevallen het begin van een kwaadaardige tumor of uitzaaiing. Met wat voor bolletje je te maken hebt is zelfs voor de best getrainde radioloog soms moeilijk te zien. Kunstmatige Intelligentie moet daarbij gaan help.
Radioloog Joost Nederend startte in 2020 een studie naar het herkennen van die bolletjes met kunstmatige intelligentie. Het onderzoek is inmiddels afgrond, met waardevolle resultaten waar toekomstige onderzoekers nog veel plezier van kunnen hebben.
“Aan de ene kant wilden we AI trainen om die bolletjes op scans te vinden. Ze kunnen écht heel klein zijn. De bolletjes waar we het hier over hebben verschillen van één millimeter tot drie centimeter. Dat vinden is dus nog niet zo makkelijk”, zegt Nederend. “Aan de andere kant wilden we AI laten voorspellen of ze goed of kwaadaardig zijn en in wat voor tempo ze groeien.”
Scan van de aorta:
Het onderzoek richtte zich op patiënten die een scan van de aorta kregen, waarbij de aandacht dus in eerste instantie niet meteen op de longen was gericht. “Op basis van 2000 scans van patiënten hebben we gekeken wie er binnen tien jaar longkanker kreeg en in hoeverre dat dan mogelijk al op een eerdere scan te zien was.”
Van die groep van 2000 patiënten bleken er uiteindelijk 25 longkanker te ontwikkelen. “Het merendeel van deze kankers werd wel gevonden op de scans, maar bij een aantal was dat niet het geval. Toch was er al wel een heel klein bolletje zichtbaar. AI kan ons helpen die kleine bolletjes beter vinden, maar het is goed om te beseffen dat veruit het grootste deel van die kleine bolletjes goedaardig is. We zijn helaas nog niet zover gekomen dat AI alle kwaadaardige bolletjes van de goedaardige kan onderscheiden.”
“Dankzij het onderzoek is er nu óók een dataset beschikbaar die we als gouden standaard kunnen gebruiken om nieuwe modellen te trainen”, zegt Nederend. “We hebben nu een reeks gegevens van patiënten waarbij we foto’s van alle stadia hebben én weten of de bolletjes goed of kwaadaardig worden. Dat helpt om AI te trainen.”
De ervaring opgedaan bij dit onderzoek wordt onder meer gebruikt bij het door het KWF-kankerbestrijding gesubsidieerde onderzoek naar het voorspellen van longafwijkingen bij mensen met darmkanker. Daarvoor gaf het KWF een subsidie van 700.000 euro. Nederend is één van de hoofdonderzoekers.
Dankzij het onderzoek is er nu óók een dataset beschikbaar die we als gouden standaard kunnen gebruiken om nieuwe modellen te trainen
Dan nog even terug naar het eerste onderzoek, dat mede mogelijk is gemaakt door het Catharina Onderzoeksfonds. Dat onderzoek is afgerond, op de wetenschappelijke publicatie na. “Dat onderzoek blijft de komende jaren ook nog nuttig. Vooral dankzij die uitgebreide dataset die we hebben. AI ontwikkelt zich ontzettend snel en nieuwe algoritmes zien waarschijnlijk weer veel meer. Stel dat er over vijf jaar een nieuw, intelligenter algoritme komt, dan kan die in deze dataset weer andere verbanden leggen, waardoor AI ons in de toekomst helpt om goedaardige en kwaadaardige bolletjes in de longen van elkaar te onderscheiden.”
Bron: www.catharinaziekenhuis.nl