Kunstmatige intelligentie voor het vroeg opsporen van longkanker Prijs voor studie naar bestralingsboost prostaatkanker Tijdens het ESTRO-congres in Kopenhagen ontving dr. Linda Kerkmeijer van het Radboudumc de Donal Hollywood award voor de wetenschappelijke samenvatting over de toegevoegde waarde van een bestralings-boost bij prostaatkanker in de FLAME studie. Het artikel won van 1900 inzendingen op basis van duidelijkheid, wetenschappelijke nauwkeurigheid en innovatie. Uit de studie blijkt dat een extra dosis bestraling op de tumor de vooruitzichten verbetert bij niet uitgezaaide prostaatkanker, zonder extra bijwerkingen. De kans dat de ziekte binnen vijf jaar terugkomt, is veel kleiner dan voor hen die deze boost niet krijgen. Ook is de kans op uitzaaiingen in de lymfeklieren en organen op afstand kleiner. Al eerder slaagde de Diagnostic Image Analysis Groep van Radboudumc erin om software te ontwikkelen die feilloos vlekjes op de long, zogenaamde longnodulen, in CT-scans van de borstkast aan kon wijzen en kon karakteriseren. Deze software wordt inmiddels in meer dan 100 ziekenhuizen in met name Europa, de VS en Canada gebruikt om zo mogelijk vroege stadia van longkanker op te sporen. Dr. Ir. Colin Jacobs, onderzoeker bij de afdeling Medische Beeldvorming: “We gaan nu een stap verder. We hebben een deep learning algoritme ontwikkeld, dat het risico kan voorspellen of een longnodule zicht gaat ontwikkelen tot een kwaadaardige tumor. Veel van de longnodulen die we met een CT-scan vinden zijn gelukkig goedaardig. Je wil de kwaadaardige eruit filteren.” Jacobs: “We hebben via deep learning het algoritme getraind met 16.000 longnodulen uit een Amerikaanse screeningsstudie. Daarvan ontwikkelden zich ruim 1200 kwaadaardig. Het getrainde algoritme hebben we vervolgens kunnen testen op longnodulen uit een Deense screeningsstudie. Daarbij bleek dat het algoritme het echt uitstekend doet. Beter dan het statistische model dat momenteel veel gebruikt wordt en net zo goed als de vier longradiologen, vijf radiologen en twee longartsen die we de longnodulen ook lieten beoordelen.” De onderzoekers willen het algoritme verder valideren door het toe te passen op de data uit het Nederlands/ Belgische longscreenings-proefonderzoek NELSON, waarbinnen meer dan 20.000 CT-scans beschikbaar zijn van ruim 7000 deelnemers. KWF subsidieert deze vervolgstudie. “We gaan daarbij met name onderzoeken hoe we deze kunstmatige intelligentie in kunnen gaan zetten in een mogelijk toekomstig bevolkingsonderzoek. Daarbij verwachten we dat het algoritme zal ondersteunen bij het nauwkeurig inschatten van de kans op kwaadaardige longnodulen. Op deze manier kunnen we het beleid rond longnodulen verbeteren. Uiteindelijk hopen we dat dit leidt tot een snellere herkenning van kwaadaardige longnodulen en zo min mogelijk extra onderzoek bij goedaardige longnodulen.” In 50% van de gevallen wordt longkanker pas ontdekt als deze al is uitgezaaid. Helaas is de kans op genezing dan verspeeld. Met longkankerscreening zou longkanker vaker in eerdere stadia gevonden worden, zodat er nog wel een goede kans op genezing is. Een mogelijk toekomstig bevolkingsonderzoek naar longkanker zou erg geholpen worden als radiologen krachtig ondersteund worden. Dit algoritme lijkt hier een belangrijke troef te kunnen gaan worden. Over vier jaar zijn de onderzoeksresultaten beschikbaar en kunnen de voor- en nadelen van screening opnieuw gewogen worden. Radboud Report Oncologie 05
6 Online Touch Home