Wetenschappers van het Radboudumc hebben een AI-systeem ontwikkeld dat het aantal fout-positieve uitslagen bij longkankerscreening met 40 procent verlaagt. Fout-positieve uitslagen zorgen voor onnodige vervolgonderzoeken, extra kosten en ongerustheid bij patiënten. Uit eerdere onderzoeken blijkt dat preventieve screening van risicogroepen via bevolkingsonderzoek de sterfte met bijna 25 procent kan terugdringen, doordat de ziekte vaak in een vroeger stadium wordt opgespoord. In de Verenigde Staten en diverse Europese landen wordt longkankerscreening via bevolkingsonderzoek al toegepast.
Longkanker is wereldwijd de meest dodelijke vorm van kanker en is verantwoordelijk voor bijna een kwart van alle kankergerelateerde sterfgevallen. In hun persbericht laat het Radboudumc weten sterk te geloven in de voordelen van longkankerscreening, maar dat de nadelen zoals en fout-positieve uitslagen omlaag moeten.
Minder fout-positieve uitslagen
Het invoeren van een bevolkingsonderzoek naar longkanker in Nederland gaat een aanzienlijke werkbelasting vormen voor radiologen. Daarnaast is het beoordelen van CT-scans een uitdaging: eerdere onderzoeken tonen aan dat veel longafwijkingen zichtbaar zijn die tot een positieve uitslag leiden, terwijl een groot deel daarvan uiteindelijk goedaardig blijkt. Dergelijke vals-positieve uitslagen zorgen voor extra diagnostiek, hogere zorgkosten en onnodige ongerustheid bij patiënten.
“Als we screening in Nederland gaan invoeren, is het noodzakelijk het aantal vals-positieven zo ver mogelijk terug te dringen. AI kan hier uitkomst bieden door voor elk plekje het kankerrisico nauwkeuriger in te schatten, zodat onnodige vervolgonderzoeken afnemen”, zegt de leider van de onderzoeksgroep bij de afdeling Beeldvorming van het Radboudumc, Colin Jacobs.
Algoritme trainen met bestaande scans
Daarom valideerde onderzoeker Noa Antonissen een AI-model, ontwikkeld in het Radboudumc. “Ons model is getraind op Amerikaanse longkankerscreeningsdata met ruim 16.000 longplekjes op CT-scans, waarvan meer dan 1.000 kwaadaardig. Het model maakt van elk plekje een soort 3D-plaatje. Op basis daarvan berekent de AI de kans dat het plekje kwaadaardig is”, vertelt Antonissen.
Vervolgens testten de onderzoekers het AI-model op beelden van grote internationale studies uit Nederland, België, Denemarken en Italië. Daarbij vergeleken ze de prestaties van het AI-model met een veelgebruikt risicomodel (het PanCan model). Vooral bij de moeilijke groep plekjes van 5 tot 15 millimeter bleek AI duidelijk beter: het aantal vals-positieve uitslagen ging omlaag met veertig procent, terwijl alle gevallen van kanker wél werden gevonden. Deze studie van het Radboudumc, gepubliceerd in Radiology, laat zien dat AI een grote rol kan spelen en screening efficiënter kan maken.
Het gebruik van thorax-CT-scans neemt wereldwijd toe, onder andere vanwege het belang van vroege opsporing van longziekten. In Duitsland steeg het aantal long-CT's van 800.000 in 2009 naar 1,3 miljoen in 2020. Hoewel de scans veel informatie opleveren, blijft de interpretatie lastig door factoren zoals ademhalingsverschillen en gewichtsveranderingen. Binnen het SPIRABENE-project ontwikkelde het Fraunhofer-instituut voor Digitale Geneeskunde MEVIS, samen met partners jung diagnostics GmbH en het Universitair Medisch Centrum Mainz, een innovatieve AI-oplossing die hierin verandering brengt.
