Bij een groot deel van de patiënten met acute myeloïde leukemie (AML) keert de ziekte terug, zelfs na een succesvolle behandeling. Onderzoekers van Amsterdam UMC hebben nu een manier gevonden om achtergebleven leukemiecellen sneller en efficiënter op te sporen met behulp van kunstmatige intelligentie (AI). Tot nu toe gebeurde dat met flowcytometrie: een betrouwbare maar tijdrovende methode die veel specialistische kennis vereist. De onderzoekers hebben onderzocht of deze analyse deels kan worden geautomatiseerd met een zelfontwikkeld AI-algoritme.
De resultaten zijn veelbelovend: de AI voert de analyse uit in slechts drie seconden en levert bovendien altijd een eenduidige uitkomst, dit in tegenstelling tot de handmatige beoordeling. Uit een onderzoek van Tim Mocking en Costa Bachas onder 399 AML-patiënten blijkt dat het algoritme net zo goed voorspelt of de ziekte terugkomt als de traditionele, handmatige methode. De resultaten van de studie zijn gepubliceerd in het wetenschappelijke blad Nature Leukemia.
“Patiënten bij wie we resterende leukemiecellen vonden, kregen ongeacht de methode waarmee we analyseerden ongeveer even vaak een terugkeer van de ziekte. We zien dus dat de voorspellende waarde van de AI-analyse vergelijkbaar is met die van de huidige analysemethode”, vertelt Mocking. Hij vindt het een belangrijke eerste stap naar toekomstige klinische implementatie van AI. Voordat analyse met het AI-algoritme in de praktijk ingezet kan worden, zijn nog verdere validatiestudies nodig.
Tijdwinst
De huidige handmatige analyse kost analisten veel tijd en moet altijd door twee mensen worden gecontroleerd om fouten te voorkomen. Bovendien beschikt Amsterdam UMC over nieuwe apparatuur waarmee in de toekomst meer data kan worden gegenereerd per meting. Om deze data goed te gebruiken, is handmatige analyse steeds minder praktisch.
Bovendien vertelt Mocking dat dankzij de AI-innovatie de analyses sneller en efficiënter kunnen worden uitgevoerd waardoor er meer tijd overblijft voor andere taken. Voorbeelden hiervan zijn dat analisten extra meetmomenten kunnen doen of specialistische analyses waar hun expertise voor nodig is. Bovendien zou het AI-algoritme volgens Mocking mogelijk nieuwe cellen kunnen detecteren die gerelateerd zijn aan de ziekte, maar die nu nog niet bekend zijn.
Afremmen
Een onderzoeksteam onder leiding van prof. Ruud Delwel van het Erasmus MC heeft vorig jaar met behulp van kunstmatige intelligentie (AI) een manier gevonden om leukemiecellen af te remmen. Ze ontdekten een mogelijk remmend middel voor een specifieke, agressieve vorm van acute myeloïde leukemie (AML), waarbij het EVI1-gen actief is.
De doorbraak werd gedaan in laboratoriumkweekjes en bij proefdieren. Ongeveer 3 tot 4 procent van alle AML-patiënten heeft dit moeilijk behandelbare subtype. Het EVI1-gen codeert voor een transcriptiefactor ofwel een eiwit in de celkern dat andere genen aanstuurt.
