Educatieplatform voor farmacotherapie en FTO
Onderzoekers van het Radboudumc hebben een ‘deep learning’ systeem ontwikkeld dat, op basis van een stukje weefsel, de agressiviteit van prostaatkanker beter kan bepalen dan de meeste pathologen. Het AI-systeem leerde zelf om prostaatkanker te herkennen, op basis van data van meer dan 1200 patiënten. Het team van het Radboud heeft de intentie om samen met onderzoekers van het Karolinska Instituut uit Zweden en Kaggle, een dochterbedrijf van Google, deze methoden verder ontwikkelen in een grote internationale wedstrijd.
Het Nijmeegse onderzoek, van onder meer Wouter Bulten en Geert Litjens, is beschreven in The Lancet Oncology.
Prostaatkanker is een veel voorkomende vorm van kanker, maar niet altijd agressief: er sterven meer mannen met prostaatkanker, dan aan prostaatkanker. De behandeling ervan heeft echter veel gevolgen voor de kwaliteit van leven van de patiënten, dus het bepalen van de agressiviteit is een belangrijke stap in de keuze voor een behandeltraject. Om de agressiviteit van de kanker te bepalen worden stukjes weefsel (biopten) uit de prostaat genomen, waar door een patholoog een score aan gegeven wordt.
Deze zogenoemde Gleason score wordt vervolgens gebruikt om biopten in te delen in vijf groepen, de Gleason Grade Groups, waarmee het risico op overlijden aan prostaatkanker wordt aangegeven. Echter, dit is een subjectief proces; of en hoe een patiënt behandeld wordt kan afhangen van de patholoog die het stukje weefsel beoordeeld.
Beter dan een patholoog
De onderzoekers van Radboudumc ontwikkelden het AI-systeem zo, dat het net zo naar die biopten kijkt als een patholoog. Het systeem bepaalt ook de Gleason score, en vervolgens kan het systeem een biopt indelen volgens de Gleason Grade Groups. Middels ‘deep learning’ leerde het systeem aan de hand van duizenden foto’s van biopten te herkennen wat een gezonde prostaat is, en hoe meer of minder agressief prostaatkankerweefsel eruitziet.
Onderzoeker Wouter Bulten: “Het is nu getraind met 5759 biopten van ruim 1200 patiënten. Toen we de prestaties van het algoritme vergeleken met die van vijftien pathologen uit verschillende landen en met uiteenlopende ervaring, was ons systeem beter dan tien van hen en vergelijkbaar met zeer ervaren pathologen.” Een bijkomend voordeel van zo’n computersysteem is dat het consistent is en overal ingezet kan worden; de behandeling van de patiënt hangt dan niet meer af van welke patholoog naar het weefsel kijkt.
Lees verder op de website van het Radboudumc.