Het gebruik van kunstmatige intelligentie om voorstadia van eierstokkanker op te sporen
Onderzoekssamenvatting
Vrouwen met een erfelijk verhoogd risico op eierstokkanker krijgen vaak het advies om hun eierstokken en eileiders preventief te laten verwijderen. Dat verkleint de kans op kanker, maar veroorzaakt ook een vervroegde overgang. Onderzoekers willen met kunstmatige intelligentie (AI) voorstadia van eierstokkanker beter opsporen. Dit kan bijdragen aan een veiligere manier om de verwijdering van de eierstokken uit te stellen.
Doel van het onderzoek
De onderzoekers willen een AI-model ontwikkelen dat pathologen helpt om voorstadia van eierstokkanker in de eileiders nauwkeuriger te herkennen. Pathologen zijn artsen die weefsel onderzoeken om ziekten vast te stellen.
Waarom is dit onderzoek nodig?
Eierstokkanker wordt vaak pas laat ontdekt. Vrouwen met een erfelijke aanleg, bijvoorbeeld door een verandering in het BRCA1- of BRCA2-gen, hebben een sterk verhoogd risico op deze ziekte. Daarom krijgen zij het advies om hun eierstokken en eileiders preventief te laten verwijderen.
Deze operatie veroorzaakt bij vrouwen die nog niet in de overgang zijn een vervroegde overgang. Dat kan op lange termijn leiden tot gezondheidsproblemen, zoals hart- en vaatziekten en botontkalking.
Onderzoek heeft aangetoond dat de meest voorkomende vorm van eierstokkanker vaak in de eileiders ontstaat. Daarom wordt onderzocht of het veilig is om eerst alleen de eileiders te verwijderen en de eierstokken pas later. Zo kunnen vrouwen de nadelige gevolgen van een vervroegde overgang langer uitstellen.
Daarvoor is het belangrijk om voorstadia van kanker in de eileiders goed te herkennen. Een van deze voorstadia heet STIC (sereus tubulair intra-epitheliaal carcinoom). Pathologen kunnen deze afwijkingen onder de microscoop herkennen, maar dat is lastig. Ze kunnen kleine afwijkingen missen of verschillend beoordelen.
Hoe wordt dit onderzoek uitgevoerd?
De onderzoekers verzamelen weefsel van eileiders waarin voorstadia van eierstokkanker aanwezig zijn. Hiervoor werken ze samen met ziekenhuizen in binnen- en buitenland.
Verschillende ervaren pathologen beoordelen het weefsel. Vervolgens vergelijken de onderzoekers hun beoordelingen en stellen ze gezamenlijk vast welke afwijkingen aanwezig zijn.
Met deze informatie trainen de onderzoekers een AI-model. Dit model leert afwijkingen te herkennen op digitale beelden van het weefsel.
Daarna onderzoeken ze of pathologen met hulp van AI de voorstadia nauwkeuriger en consistenter herkennen.
Wat levert dit onderzoek op?
De onderzoekers verwachten een AI-model te ontwikkelen dat pathologen helpt om voorstadia van eierstokkanker beter op te sporen.
Dit kan bijdragen aan een veiligere preventieve behandeling voor vrouwen met een verhoogd risico op eierstokkanker. Als zij hun eierstokken langer kunnen behouden, kunnen ze mogelijk ook de nadelige gevolgen van een vervroegde overgang beperken.
Voordat het AI-model in de patiëntenzorg kan worden gebruikt, moet vervolgonderzoek aantonen dat het daadwerkelijk tot betere diagnoses leidt.
Nieuws en resultaten
November 2026
De onderzoekers hebben ontdekt dat voorstadia van eierstokkanker en vroege kanker soms onopgemerkt blijven bij het gebruikelijke weefselonderzoek. Door extra dunne laagjes van het weefsel te bekijken, vonden ze afwijkingen die bij de oorspronkelijke beoordeling niet aan het licht kwamen. Ze onderzochten hiervoor eileiderweefsel van 19 vrouwen met een erfelijk verhoogd risico op eierstokkanker.
Bij 5 vrouwen die na een preventieve operatie alsnog een vorm van eierstokkanker in het buikvlies kregen, waren aanvankelijk geen afwijkingen in de eileiders gevonden. Door extra dunne laagjes van het bewaarde weefsel te onderzoeken, ontdekten de onderzoekers bij alle 5 alsnog een voorstadium of vroege kanker.
De onderzoekers gebruikten ook AI om verdachte afwijkingen op te sporen. De resultaten laten zien hoe belangrijk zorgvuldig weefselonderzoek is. AI kan daarbij mogelijk helpen, maar verder onderzoek moet uitwijzen hoe goed deze techniek werkt.
- Lees de publicatie in Histopathology