Onderzoekers van Rice University en het The University of Texas MD Anderson Cancer Center hebben een compacte microscoop ontwikkeld die met behulp van kunstmatige intelligentie vroege tekenen van kanker zichtbaar moet maken. Het apparaat, PrecisionView genaamd, combineert geavanceerde optica met deep learning en kan artsen ondersteunen bij realtime diagnostiek, direct aan het bed van de patiënt.
De technologie werd recent beschreven in het wetenschappelijke tijdschrift Proceedings of the National Academy of Sciences. Volgens de onderzoekers kan het systeem bijdragen aan snellere detectie van onder meer baarmoederhals- en mondkanker, zonder dat direct een invasieve biopsie nodig is.
Grenzen van bestaande diagnostiek
Voor veel vormen van kanker blijft vroege opsporing een belangrijke uitdaging. Dat geldt vooral voor zogenoemde epitheliale kankers, waaronder baarmoederhalskanker en mondholtekanker. Hoewel beeldvormende technieken steeds geavanceerder worden, zijn artsen in de praktijk nog vaak afhankelijk van biopsieën om zekerheid te krijgen over verdachte afwijkingen.
Die weefselafnames zijn niet alleen belastend voor patiënten, maar hebben ook beperkingen. Een biopsie onderzoekt slechts een klein deel van het afwijkende gebied, waardoor relevante afwijkingen gemist kunnen worden. Bovendien kost het analyseren van het weefsel tijd.
Bestaande vormen van in vivo microscopie bieden weliswaar een minder invasief alternatief, maar kampen volgens de onderzoekers met technische beperkingen. Zo is het gezichtsveld vaak klein, is scherpstelling lastig bij ongelijkmatig weefsel en blijft de dieptescherpte beperkt. Daardoor is het moeilijk om grotere afwijkingen goed in beeld te brengen. PrecisionView moet juist die knelpunten aanpakken.
AI microscoop innovatie
Het nieuwe systeem heeft ongeveer het formaat van een pen en maakt gebruik van een speciaal ontworpen fasefilter in combinatie met AI-algoritmen die beelden realtime reconstrueren. Anders dan bij veel bestaande AI-toepassingen in de medische beeldvorming, wordt kunstmatige intelligentie hier niet alleen gebruikt om beelden achteraf te verbeteren, maar ook om de optische eigenschappen van het apparaat zelf te optimaliseren.
Volgens medeonderzoeker Ashok Veeraraghavan doorbreekt het systeem daarmee een klassieke beperking binnen microscopie: de afweging tussen resolutie en scherptediepte. Het apparaat biedt volgens de onderzoekers een gezichtsveld dat ongeveer vijf keer groter is dan bij conventionele systemen, terwijl de scherptediepte tot acht keer groter zou zijn. Tegelijkertijd blijft beeldvorming op celniveau mogelijk.
Die grotere scherptediepte is vooral relevant voor gebruik in de klinische praktijk. Omdat artsen het apparaat in de hand houden tijdens het onderzoek, kan een kleine beweging normaal gesproken snel leiden tot onscherpe beelden. De AI-ondersteunde optica moet dat probleem grotendeels ondervangen.
Realtime inzicht
Een belangrijk voordeel van PrecisionView is dat het apparaat verschillende kenmerken van kanker gelijktijdig zichtbaar kan maken. Artsen kunnen zowel veranderingen in cellen aan het oppervlak als afwijkende patronen in onderliggende bloedvaten in één doorlopend beeld bekijken. Volgens de onderzoekers zijn juist die combinatie van cellulaire en vaatstructuren cruciaal om onderscheid te maken tussen gezond weefsel, voorstadia van kanker en kwaadaardige afwijkingen.
Het systeem kan weefselgebieden van meerdere vierkante centimeters in kaart brengen en beelden realtime tonen met een snelheid tot vijftien frames per seconde. Daarmee ontstaat volgens het onderzoeksteam een veel vollediger beeld van verdachte gebieden dan met traditionele technieken.
Eerste studies
De onderzoekers testten PrecisionView onder meer bij gezonde vrijwilligers en op menselijk weefsel met voorstadia van kanker. In een van de studies werd de mondholte van vrijwilligers gescand, waarbij gedetailleerde kaarten van bloedvaten en weefselstructuren werden gemaakt over oppervlakken groter dan één vierkante centimeter.
In een andere proef wist het systeem afwijkingen in baarmoederhalsweefsel te identificeren en onderscheid te maken tussen gezond en afwijkend weefsel. Volgens onderzoeker Jimin Wu kan de technologie helpen om minder afwijkingen over het hoofd te zien. In plaats van een klein stukje weefsel te onderzoeken, kunnen artsen direct een groter gebied beoordelen. De onderzoekers benadrukken wel dat grotere klinische studies nodig zijn om de diagnostische nauwkeurigheid verder te valideren voordat brede toepassing mogelijk is.
Betaalbaar
Naast de technische prestaties zetten de ontwikkelaars sterk in op toegankelijkheid. Het apparaat bestaat uit relatief eenvoudige componenten en kost naar schatting ongeveer 3.000 dollar. Daarmee ligt de prijs aanzienlijk lager dan die van veel traditionele beeldvormende systemen.
Volgens de onderzoekers maakt dat inzet mogelijk in klinieken waar uitgebreide pathologiefaciliteiten ontbreken. Vooral in regio’s met beperkte toegang tot gespecialiseerde diagnostiek zou PrecisionView volgens hen kunnen bijdragen aan snellere diagnoses en eerdere behandeling.
De technologie zou in de toekomst gebruikt kunnen worden voor uiteenlopende toepassingen, zoals het gericht uitvoeren van biopsieën, ondersteuning tijdens operaties en vroegtijdige screening van kanker. Volgens hoofdonderzoeker Rebecca Richards-Kortum laat PrecisionView zien hoe AI en optisch ontwerp steeds meer samenkomen in medische beeldvorming. Door hardware en algoritmen gelijktijdig te ontwikkelen, ontstaan volgens haar mogelijkheden die met traditionele systemen niet haalbaar waren.
