Een, mede door onderzoekers van het RadboudUMC, ontwikkeld AI-systeem kan op basis van een stukje weefsel de agressiviteit van prostaatkanker beter bepalen dan de meeste pathologen. Daarvoor is het systeem gevoed met de data van meer dan 1200 patiënten. Door middel van deep learning heeft het systeem geleerd om zelf prostaatkanker te herkennen.
Het team van RadboudUMC werkte voor de ontwikkeling samen met onderzoekers van het Karolinska Instituut uit Zweden en Kaggle, een dochterbedrijf van Google. Het AI-systeem wordt de komende periode verder ontwikkeld. Daarvoor wil het team onder andere een internationale wedstrijd organiseren waarin deelnemers gezocht worden die gaan proberen de algoritmes te verslaan. De inzichten uit zo’n wedstrijd worden dan gebruikt om de algoritmes verder te verbeteren.
Gleason Grade scores
Prostaatkanker komt veel voor maar is niet altijd agressief. De behandeling heeft een grote impact op het leven van patiënten. Het bepalen van de agressiviteit is cruciaal voor de keuze van het type behandeling.
Die agressiviteit wordt nu nog door pathologen bepaald. Die geven scores, in vijf Gleason Grade Groups onder te verdelen, scores aan stukjes weefsel (biopten) uit de prostaat. Op basis van die score wordt het risico op overlijden aan prostaatkanker aangegeven. Een subjectief proces; de beoordeling van het weefsel bepaalt of en hoe de patiënt behandeld wordt. Onlangs werd het Maxima MC aangemerkt als het ziekenhuis dat de meest nauwkeurige diagnostiek voor prostaatkanker biedt,
AI beter dan een patholoog
Het AI-systeem is zo ontwikkeld dat het op dezelfde manier naar de biopten kijkt als een patholoog. Vervolgens wordt de Gleason score bepaald en het biopt ingedeeld in een van de vijf Gleason Grade Groups. Met behulp van kunstmatige intelligentie leerde het systeem aan de hand van duizenden foto's van biopten te herkennen wat een gezonde prostaat is, en hoe meer of minder agressief prostaatkanker weefsel eruitziet. Het systeem is consistent en kan overal ingezet worden. De behandeling is dan niet langer afhankelijk van welke patholoog naar het weefsel kijkt.
“Het systeemis nu getraind met 5759 biopten van ruim 1200 patiënten. Toen we de prestaties van het algoritme vergeleken met die van vijftien pathologen uit verschillende landen en met uiteenlopende ervaring, was ons systeem beter dan tien van hen en vergelijkbaar met zeer ervaren pathologen,” zegt onderzoeker Wouter Bulten
Meer informatie over het algoritme en live voorbeelden staan op de website van de pathologiegroep. Het Nijmeegse onderzoek, van onder meer Wouter Bulten en Geert Litjens, is ook beschreven in The Lancet Oncology.
