Onderzoekers van de University of Jyväskylä hebben een AI-model ontwikkeld dat de analyse van darmkankerweefsel aanzienlijk kan versnellen. De technologie kan binnen enkele minuten voorspellen hoe goed het DNA-herstelmechanisme van tumorcellen functioneert, terwijl traditionele pathologische analyses vaak meerdere dagen in beslag nemen.
Volgens de onderzoekers kan de toepassing van kunstmatige intelligentie niet alleen de diagnostische doorlooptijd verkorten, maar ook kosten besparen en pathologen ontlasten. De resultaten van het onderzoek zijn gepubliceerd in Computer Methods and Programs in Biomedicine.
Het DNA-herstelmechanisme
Centraal in het onderzoek staat het zogenoemde mismatch repair-mechanisme (MMR), een natuurlijk controlesysteem dat fouten corrigeert die ontstaan tijdens de replicatie van DNA. Wanneer dit mechanisme niet goed functioneert, kan dat bijdragen aan het ontstaan van kanker en invloed hebben op behandelkeuzes.
Bij patiënten met colorectale kanker wordt de status van het MMR-systeem daarom routinematig onderzocht. Momenteel gebeurt dit voornamelijk door pathologen die weefselmonsters handmatig beoordelen, een proces dat arbeidsintensief en tijdrovend is. Onderzoeksleider Liisa Petäinen stelt dat AI deze analyse aanzienlijk kan versnellen. Waar een conventionele beoordeling meerdere dagen kan duren, kan een getraind algoritme vergelijkbare informatie binnen enkele minuten genereren.
Informatie uit het volledige weefselmonster
Een opvallende bevinding uit de studie is dat niet alleen het tumorweefsel zelf waardevolle informatie bevat. Ook de omliggende weefselstructuren blijken aanwijzingen te geven over de werking van het DNA-herstelmechanisme. Traditioneel worden digitale pathologiebeelden vaak met een vergroting van twintig keer geanalyseerd. De onderzoekers testten hun model echter ook op beelden met een vijfvoudige vergroting, waardoor een veel groter deel van het weefsel zichtbaar wordt.
Het AI-model bleek ook op dit lagere vergrotingsniveau goede prestaties te leveren. Hierdoor ontstaat de mogelijkheid om in de toekomst volledige weefselmonsters in één analyse te beoordelen, zonder dat eerst handmatig het tumorgebied hoeft te worden afgebakend. Volgens de onderzoekers kan deze aanpak zowel de snelheid als de nauwkeurigheid van de diagnostiek verder verbeteren.
Getraind op data van 1.300 patiënten
Voor de ontwikkeling van het model werkten de onderzoekers samen met pathologen en darmkankerspecialisten van de Central Finland Biobank en de regionale gezondheidsdiensten van Centraal-Finland. Het AI-model werd getraind met gegevens van ongeveer 1.300 patiënten met colorectale kanker. Vervolgens werd het systeem gevalideerd met aanvullende datasets afkomstig van het Oulu University Hospital en onderzoeksgegevens uit de Verenigde Staten.
Volgens onderzoeker Tiina Jokela profiteert Finland hierbij van hoogwaardige biobanken, landelijke registratiesystemen en een geïntegreerd zorgsysteem, waardoor onderzoeksresultaten sneller kunnen worden vertaald naar de klinische praktijk.
AI-ondersteunde pathologie
De onderzoekers benadrukken dat verdere validatie met grotere datasets noodzakelijk blijft voordat de technologie breed kan worden ingezet. Toch laat de studie zien hoe AI kan bijdragen aan een efficiëntere en mogelijk nauwkeurigere beoordeling van kankerweefsel. Door diagnostische processen te versnellen en meer informatie uit bestaande weefselbeelden te halen, kan AI volgens de onderzoekers een belangrijke rol gaan spelen binnen de toekomstige digitale pathologie en precisiegeneeskunde.
Vorig jaar ontwikkelden Amerikaanse onderzoekers een AI-platform dat de analyse van kankerweefsel aanzienlijk kan versnellen en standaardiseren. De technologie, genaamd MARQO, automatiseert de beoordeling van immunohistochemische en immunofluorescentiebeelden, waarmee immuuncellen en biomarkers in tumoren zichtbaar worden gemaakt.
Waar pathologen normaal gesproken handmatig delen van een preparaat analyseren, verwerkt MARQO volledige objectglaasjes in enkele minuten. Het systeem identificeert automatisch celtypen, markerintensiteiten en hun exacte locatie in het weefsel, waarna pathologen de resultaten valideren. De technologie is compatibel met bestaande kleurmethoden en beeldformaten, wat vergelijking tussen studies en reproduceerbaarheid bevordert. Volgens de onderzoekers kan MARQO in de toekomst bijdragen aan snellere biomarkerontwikkeling, betere behandelvoorspellingen en verdere personalisering van kankerzorg.
