Big data en kunstmatige intelligentie

AI kan behandeling kankerpatiënt waarschijnlijk beter beoordelen dan arts

© Natali_Mis / Getty Images / iStock

Het Noorse onderzoeksproject DoMore heeft als doel om in 2021 het beloop van kanker met kunstmatige intelligentie te kunnen voorspellen. De verwachting is dat AI beter dan de patholoog kan bepalen welke patiënten baat hebben bij behandeling.

De onderzoekers van DoMore verwachten dit betere resultaat van AI door het subjectieve aspect uit de beoordeling weg te nemen.

Tumorweefsel is complex en heterogeen van aard. Dat maakt het moeilijk om te voorspellen welke kant het opgaat met de ziekte. Pathologen hebben momenteel  nog onvoldoende kennis om gevaarlijke tumoren goed van minder gevaarlijke te kunnen onderscheiden. Bovendien blijft de beoordeling in belangrijke mate subjectief, omdat objectieve en precieze onderzoekstechnieken ontbreken.

Met de huidige werkwijze voorspellen pathologen in slechts 60 procent van de gevallen het beloop van de ziekte goed. Veiligheidshalve zal een patholoog eerder besluiten om patiënten meer of agressiever te behandelen dan nodig. Deze overbehandeling gaat gepaard met ernstige bijwerkingen en tevens een verminderde kwaliteit van leven.

DoMore: objectieve methoden

Het Instituut voor Cancer genetics and informatics (ICGI) van het Universitair ziekenhuis in Oslo ontwikkelt binnen het project DoMore allereerst nieuwe en meer objectieve onderzoeksmethoden voor de diagnose en prognose van kanker. Zij concentreren zich vooral op prostaat- darm- en longkanker.

De onderzoekers, onder leiding van instituutsdirecteur Håvard Danielsen, hanteren bij hun zoektocht naar nieuwe biomarkers beeldanalyse als uitgangspunt. Zij maken vooral gebruik van structuuranalyse en DNA-kwantificatie als prognostische markers. Daarnaast onderzoeken ze de invloed van de monstername op de uitkomst van deze prognostische markers.

Meerdere biopten

Het belangrijkste probleem bij de inschatting van het beloop van de ziekte is de heterogeniteit van tumorweefsel, aldus Danielsen. Eén tumor kan verschillende afwijkende cellen bevatten, waarvan sommige rustig zullen blijven en andere zullen gaan uitzaaien en dodelijk kunnen zijn. Het menselijk brein kan alle informatie van het tumorweefsel volgens Danielsen onvoldoende bevatten. Machine learning zou hier een oplossing kunnen bieden.

Om de heterogeniteit van tumorweefsel te modelleren analyseren onderzoekers meerdere biopten van iedere tumor en iedere patiënt. Zij voeden een neuraal netwerk met duizenden analyses van biopten van voormalige kankerpatiënten. Zo maken ze de machine geschikt om met big data en deep learning de heterogeniteit beter in kaart te kunnen brengen. Doel is om in 2021 de techniek in de kliniek te kunnen toepassen.

Het project is in 2016 door de Noorse landelijke Wetenschappelijke onderzoeksraad geselecteerd tot voorbeeldproject om met nieuwe technologie belangrijke maatschappelijke problemen aan te pakken. David Kerr, hoogleraar aan Queens College van de University of Oxford en wereldwijd een van de meest ervaren wetenschappers op het gebied van darmkanker, werkt mee aan DoMore.

Reacties