Kanker herkennen met slimme computers

Kunstmatige intelligentie - AI - artificial intelligence

KWF-onderzoek naar kunstmatige intelligentie 

Kunstmatige intelligentie (AI - Artificial Intelligence) is een vakgebied binnen de informatica dat zich richt op het ontwikkelen van computersystemen die menselijke intelligentie nabootsen. Dit betekent onder andere dat computersystemen kunnen leren, redeneren, begrijpen en zich aanpassen aan nieuwe situaties. Computers herkennen bijvoorbeeld patronen op foto’s of scans die kunnen duiden op kanker in een zeer vroeg stadium. Kankeronderzoek met behulp van AI kan ook leiden tot nieuwe inzichten in de biologie van kanker en de ontwikkeling van behandelingen op maat. Door de combinatie van AI en kankeronderzoek zijn nu al enkele hoopvolle resultaten geboekt.

Vroege opsporing van kanker

Kunstmatige intelligentie kan helpen bij het maken van de juiste inschatting bij kleine verdachte afwijkingen waarvan niet zeker is of het kanker is. Denk bijvoorbeeld aan het bevolkingsonderzoek naar borstkanker, waar vrouwen een röntgenfoto (mammogram) van hun borst laten maken: in sommige gevallen is het kraakhelder dat een afwijking een tumor is, maar soms is een afwijking nog zó klein dat je eigenlijk niet weet of verwijzing naar het ziekenhuis wel nodig is. Kunstmatige intelligentie kan dan een aanvulling zijn op de screening.

Welk AI-onderzoek maak jij mogelijk?

KWF financiert meerdere onderzoeken naar AI bij kanker. Hieronder volgt een kleine selectie voor borstkanker, huidkanker, darmkanker en longkanker:

Kunstmatige intelligentie bij borstkankerscreening

Prof. Mireille Broeders (Radboudumc) leert AI om verdachte afwijkingen op mammogrammen goed in te schatten. Door grote hoeveelheden mammogrammen te combineren met patiëntgegevens ("was het ook echt kanker en hoe agressief was de tumor?") wil Mireille software ontwikkelen die helpt bepalen of een verdachte afwijking echt actie behoeft. Dit kan van enorme waarde zijn binnen het bevolkingsonderzoek naar borstkanker, waarbij niet altijd direct duidelijk is of een gevonden afwijking kwaad kan of niet.

"Door nog meer onderzoek te doen worden de uitkomsten nog veel preciezer. De computer ziet de kleinste afwijkingen. Opsporen van kanker kan dan niet alleen eerder, maar ook beter. We kunnen bij een afwijking veel beter inschatten of een behandeling nodig is."

Prof. Mireille Broeders, hoogleraar Personalized Cancer Screening (Radboudumc)

  • Prof. Ad Masclee en zijn onderzoeksgroep ontwikkelen een zelflerend computersysteem dat ondersteuning biedt bij het vaststellen of een poliep wel of niet uitgroeit tot darmkanker. Met behulp van kunstmatige intelligentie is deze keuze mogelijk makkelijker te maken.
     
  • Darmkanker zaait meestal uit naar de lever. Prof. Geert Kazemier wil met behulp van AI bepalen hoe succesvol de behandeling van deze uitzaaiingen is. Het uiteindelijke doel is het ontwikkelen van AI-modellen waarin beeldkenmerken, genetische data en klinische data worden gecombineerd om per patiënt te voorspellen wat de meest effectieve behandeling is en de te verwachten levenswinst.
     
  • Darmkanker kan ook naar de longen uitzaaien. De manier waarop artsen deze uitzaaiingen opsporen, is nog niet precies genoeg. Prof. Pieter Tanis van het Amsterdam UMC doet onderzoek met ‘deep learning'-technologie. Hij onderzoekt of het mogelijk is om de aard en prognose van afwijkingen in de longen op CT-scans te voorspellen.

  • Dr. Iris Walraven (Radboudumc) wil de zorg na de behandeling van longkankerpatiënten verbeteren. Dat wil ze doen met een AI-model dat het risico op uitzaaiingen voor elke patiënt beter kan inschatten. Hiervoor combineert ze informatie van de patiënt zelf met kunstmatige intelligentie. Zo kan ze uitzaaiingen vroeger opsporen en de zorg beter aanpassen aan elke patiënt.
     
  • Uit onderzoek van dr. Colin Jacobs (Radboudumc) blijkt dat CT-screening leidt tot een kwart minder sterfte aan longkanker bij langdurig rokers. Een nieuw onderzoek gaat AI gebruiken om het kankerrisico van longknobbels nauwkeuriger in te schatten. Dat kan leiden tot snellere herkenning van kwaadaardige longknobbels en minder onnodig vervolgonderzoek bij goedaardige longknobbels.
     
  • De studie van prof. Rozemarijn Vliegenthart (UMC Groningen) heeft als doel om de selectie van personen voor screening te verbeteren en het beheer van longknobbels tijdens screening te verbeteren. Hierbij zet ze AI-technieken in om het risico op longkanker beter te voorspellen.