Kunstmatige intelligentie (AI) kan een waardevolle rol spelen bij het voorspellen van terugkeer van eierstokkanker na behandeling. Dat blijkt uit onderzoek op basis van data uit de Nederlandse Kankerregistratie (NKR), uitgevoerd door onder meer onderzoeker Dimitris Katsimpokis van Integraal Kankercentrum Nederland (IKNL).
Eierstokkanker wordt vaak in een laat stadium vastgesteld, waardoor de kans op terugkeer van de ziekte groot is. In een cohort van 2.029 vrouwen met gevorderde eierstokkanker (FIGO IIB–IV) kreeg ongeveer 77 procent te maken met een recidief, gemiddeld binnen anderhalf tot twee jaar na de eerste behandeling.
Breder databeeld geeft betere voorspellingen
In de studie vergeleken onderzoekers traditionele ‘expertmodellen’, gebaseerd op klinische ervaring, met datagedreven AI-modellen die gebruikmaken van een brede set patiëntgegevens. Daaruit blijkt dat AI beter in staat is om patiënten met een verhoogd risico op recidief te identificeren. Het volledige onderzoek is deze maand gepubliceerd in Science Direct.
Met name drie factoren blijken bepalend voor de voorspellende kracht van de modellen: behandelkenmerken (zoals type chirurgie en chemotherapie), tumorkarakteristieken (waaronder stadium, subtype en BRCA-status) en sociaaleconomische factoren. Opvallend is dat juist die laatste categorie in de klinische praktijk minder vaak wordt meegenomen, terwijl deze wel degelijk voorspellende waarde heeft.
Tegelijkertijd blijken sommige factoren die artsen traditioneel belangrijk achten, zoals het aantal positieve lymfeklieren, minder relevant voor het voorspellen van terugkeer van de ziekte.
Ondersteuning voor gepersonaliseerde zorg
Volgens Katsimpokis zijn AI-modellen nadrukkelijk bedoeld als aanvulling op medische expertise. “Door klinische kennis te combineren met data-analyse kunnen we patronen herkennen die anders verborgen blijven,” stelt hij. Dit kan artsen ondersteunen bij het beter inschatten van risico’s en het afstemmen van behandeling en nazorg op de individuele patiënt.
De onderzoekers benadrukken wel dat het hier gaat om statistische verbanden, niet om causale relaties. Verdere validatie en uitbreiding van datasets zijn nodig om de voorspellende waarde te vergroten. Denk daarbij aan integratie van gegevens uit de eerstelijnszorg, patiëntgerapporteerde uitkomsten en informatie over zorgprocessen.
Potentie, maar nog geen done deal
Hoewel AI-modellen beter presteren dan puur op expertkennis gebaseerde voorspellingen, blijft de nauwkeurigheid vooralsnog beperkt. Verdere ontwikkeling van modellen en uitbreiding van databronnen zijn noodzakelijk om tot robuustere en klinisch toepasbare voorspellingen te komen.
De studie benadrukt daarmee zowel de potentie als de huidige beperkingen van AI in de oncologische praktijk: een krachtige analysetool die kan bijdragen aan meer gepersonaliseerde zorg, mits zorgvuldig geïntegreerd in het klinische besluitvormingsproces.
Diagnose eierstokkanker verbeteren
Er wordt veel onderzoek gedaan naar eierstokkanker. Zo konden onderzoekers van het Karolinska Institutet begin 2025 aantonen dat AI de diagnose van eierstokkanker via echobeelden kan verbeteren en versnellen. Neurale netwerkmodellen, getraind op ruim 17.000 beelden van meer dan 3.600 patiënten uit acht landen, presteerden beter dan zowel ervaren als minder ervaren echografisten. De AI behaalde een nauwkeurigheid van 86,3 procent, tegenover 82,6 en 77,7 procent voor respectievelijk experts en niet-experts.
In 2022 startten Anna Koch en Caroline Muntinga van het Catharina Ziekenhuis een onderzoek naar mogelijkheden om de diagnostiek voor eierstokkanker te verbeteren. Daarbij keken zij met name ook naar de mogelijkheid om het beoordelen van echos en het maken van het onderscheid tussen goedaardige en kwaadaardige laesies, te ondersteunen met een computermodel.
