AI-DOC: artificial intelligence voor een betere opsporing van kanker

Doel van het onderzoek is om een programma te ontwikkelen dat het mogelijk maakt om informatie te analyseren die voorheen niet geschikt was voor grote analyses. Met die informatie willen ze huisartsen in staat stellen om een betere inschatting van het kankerrisico te maken wanneer iemand zich op zijn spreekuur meldt. De prognose van de meeste vormen van kanker is de laatste decennia verbeterd. Deels komt dat door betere behandeling, deels door betere diagnostiek en vroegere opsporing.  

Waarom is dit onderzoek nodig? 

Die vroegere opsporing komt voor een aantal vormen van kanker (borst-, baarmoederhals- en dikkedarmkanker) vooral tot stand via bevolkingsonderzoeken. Maar voor de meeste andere vormen geldt dat vroegere opsporing tot stand moet komen door een korter diagnostisch traject. Het grootste aantal patiënten met kanker (ongeveer 85%) meldt zich immers in eerste instantie bij de huisarts met klachten. Omdat die klachten meestal weinig kankerspecifiek zijn, hebben huisartsen vaak moeite om uit de grote aantallen patiënten die zij dagelijks op het spreekuur zien die ene patiënt te identificeren bij wie een verdenking op kanker aanwezig is. Voor een groot deel van de patiënten volgt verwijzing pas in een gevorderd stadium van hun ziekte, omdat dan pas de typische kanker-symptomen optreden. Vaak zijn dan de overlevingskansen al gedaald en is zeer intensieve therapie noodzakelijk.  
 
Voor de inschatting van het kankerrisico zijn er voor huisartsen wel een aantal tools voorhanden, zoals de Q-cancer riskscore. Dit soort tools zijn gebaseerd op gegevens over kankerrisico’s in een grote groep patiënten, maar niet ideaal omdat in de onderliggende onderzoeken gebruik is gemaakt van gestructureerde, gecodeerde informatie, zoals bekende risicofactoren diagnoses en medicatie.  
 
In dit project willen de onderzoekers een zelflerende tool ontwikkelen die ook ongecodeerde informatie kan meenemen in de risico-inschatting, zoals velden met vrije tekst. Die vrije tekst kan van alles zijn: de redenen voor bezoek aan de huisarts, specialistenbrieven, vragen van de patiënt en eigen interpretaties.  
 
Juist vanwege deze veelzijdigheid aan informatie, was het tot voor kort onmogelijk om deze mee te nemen in risicomodellen voor kanker. De tool die de onderzoekers in dit project willen uitvoeren, moet door middel van deap learningtechnieken in staat zijn om wél met deze informatie om te gaan.  
 
Dat moet leiden tot een hulpmiddel dat beter in staat is om huisartsen te ondersteunen in het vroegtijdig opsporen van kanker, zonder dat er sprake zal zijn van mensen die onterecht de diagnose krijgen. 

Hoe wordt dit onderzoek uitgevoerd? 

In dit samenwerkingsverband slaan vier afdelingen Huisartsgeneeskunde de handen ineen om een grote database te creëren met (geanonimiseerde) gegevens van ongeveer 750.000 Nederlanders. Het gaat om een korte voorstudie waarin wordt bepaald of de bovenstaande ideeën daadwerkelijk toepasbaar zijn in een tool die huisartsen ondersteunt. Als dat zo is, willen de onderzoekers met een groot internationaal consortium deze tool verder doorontwikkelen. 

Wat levert dit onderzoek op? 

De onderzoekers verwachten een programma te kunnen ontwikkelen waarmee voor verschillende tumorsoorten informatie bij de huisarts beter geanalyseerd kan worden, waardoor het mogelijk wordt om eerder een correcte diagnose te stellen.