Onderzoeker van de week: Jeroen van der Laak

KWF.nl > Onderzoek > Dit onderzoek maken we mogelijk > Onderzoeker van de week: Jeroen van der Laak

​In plaats van de patholoog naar een digitale scan te laten kijken, kun je dat ook door software laten doen

Dr. Jeroen van der Laak

​Betere diagnoses dankzij zelflerende computers

Zelfrijdende auto's, digitale assistentes op smartphones, een computer die de wereldkampioen Go verslaat: de ontwikkeling van kunstmatige intelligentie verloopt razendsnel. De onderzoeksgroep van Jeroen van der Laak in het Nijmeegse Radboudumc wil die technologie beschikbaar maken om pathologen te ondersteunen in hun werk. De betere diagnoses die dat oplevert, moeten uiteindelijk leiden tot een betere behandeling van patiënten. "Ik wil niets liever dan ervoor zorgen dat de patiënt echt iets heeft aan het werk dat wij doen!"
 
Ik wil niets liever dan ervoor zorgen dat de patiënt echt iets heeft aan het werk dat wij doen!
 
Al meer dan 25 jaar werkt Jeroen van der Laak op de pathologieafdeling van het Radboudumc. Pathologen zijn gewend om met een microscoop naar weefselpreparaten te kijken om bijvoorbeeld te bepalen of er, in het geval van kanker, uitzaaiingen in een lymfeklier aanwezig zijn. Van der Laak is echter geen patholoog maar een informaticus, zijn werkgebied is de digitale pathologie. Voor veel pathologen betekent digitale pathologie nog vooral dat het glazen plaatje onder een microscoop wordt vervangen door een digitale scan van datzelfde plaatje op een computermonitor. 
 

Twee stappen verder

Van der Laak en zijn team van informatici zijn echter al twee stappen verder. De eerste stap is de meest ingrijpende: de vervanging van mens door machine, al spreekt Van der Laak liever van aanvulling dan vervanging: "In plaats van de patholoog naar een digitale scan te laten kijken, kun je dat ook door software laten doen. Veel pathologen moeten daar nog helemaal niet aan denken, voor hen is dat te ongrijpbaar en nog ver verwijderd van de praktijk." In het begin reageren pathologen vaak dan ook sceptisch op zijn aanpak en geloven ze niet dat een computer ooit zal kunnen wat zij doen, vertelt Van der Laak. Die houding is heel begrijpelijk. Pathologen zijn echte ambachtslieden die voor een belangrijk deel vertrouwen op hun gevoel, ervaring en intuïtie bij het interpreteren van beelden – ongrijpbare zaken, zeker voor een computer. 

Wereldtop

Die houding houdt alleen geen rekening met de razendsnelle ontwikkeling van de computertechnologie. De rekenkracht van de systemen die Van der Laak gebruikt, neemt ieder jaar met sprongen toe, en met de zelflerende systemen (zie kader onderaan) die hij ontwikkelt, worden tegenwoordig prestaties geboekt die lang voor onmogelijk werden gehouden. De Nijmeegse onderzoeksgroep is wereldwijd één van de grootste in dit vakgebied en wordt gerekend tot de wereldtop. 

Morgen installeren

Wat hun zelflerende systemen op het gebied van beeldherkenning kunnen is inderdaad indrukwekkend. "Stel dat ik 100 plaatjes heb en op 10 daarvan bevinden zich tumorcellen. We hebben al laten zien dat onze methode een gevoeligheid heeft van bijna 100%. Met andere woorden: we halen die 10 plaatjes met tumorcellen er allemaal uit en missen er niet 1. Bovendien wijst de computer er 45 aan waarvan hij 99,9% zeker is dat er geen tumorcellen op aanwezig zijn. Als een patholoog daar inderdaad niet meer naar hoeft te kijken dan zou dat een enorme efficiencywinst betekenen." Na afloop van presentaties waarin Van der Laak dergelijke resultaten bespreekt, komen er geregeld pathologen op hem af die vragen of hij zijn methode morgen bij hen kan installeren. 

Stap twee: nieuwe informatie

Met een dergelijke efficiencywinst zijn patiënten alleen niet direct gebaat. Om dat te bereiken willen Van der Laak en zijn team de tweede stap vooruit zetten, in een 'Behandeling op maat'-project waarvoor ze in 2015 bijna 950 duizend euro ontvingen van het Alpe d'HuZes/KWF-fonds. Het doel is om software te ontwikkelen die herkent of in tumoren bepaalde cellen van het afweersysteem aanwezig zijn, zogeheten lymfocyten. "Er zijn inmiddels heel veel aanwijzingen dat de aanwezigheid van die lymfocyten nuttige informatie oplevert waarmee patiënten veel gerichter behandeld kunnen worden en waarmee een betere voorspelling voor hun ziekteverloop kan worden gegeven. In ons project nemen we aan dat die informatie inderdaad waardevol is. Ons doel is te zorgen dat die informatie in de praktijk ook echt kan worden toegepast." 

Van geheimtaal naar objectieve methodes

Een van redenen waarom dat nu nog niet gebeurt is dat er nog geen gestandaardiseerde werkmethode bestaat: verschillende groepen onderzoekers behandelen en bekijken de preparaten op hun eigen manier en interpreteren de resultaten ook verschillend. Van der Laak geeft een voorbeeld: "Heel belangrijk lijkt bijvoorbeeld te zijn waar de lymfocyten precies zitten in de tumor. Sommige groepen kijken alleen naar lymfocyten net buiten of juist net binnen de tumor, andere studies kijken vooral naar lymfocyten die zich in de 'invasive margin' bevinden. Dat wordt al een soort geheimtaal; pathologen weten onderling wel wat ze daarmee ongeveer bedoelen, maar ze hebben nooit precies gedefinieerd waar die 'invasive margin' ophoudt." 
 
De software die we daarvoor ontwikkelen wil ik het liefst gratis aanbieden.
 
In plaats van tientallen vervolgstudies af te wachten die ontdekken hoe de positie van lymfocyten precies geïnterpreteerd moet worden, wil Van der Laak zijn zelflerende computers aan het werk zetten. "Onze ambitie is om de computer zo objectief mogelijk vast te laten stellen welke werkwijze en interpretatie de beste voorspelling opleveren." In het project wordt daarvoor onder meer het tumorweefsel geanalyseerd van 1.500 borstkankerpatiënten van wie bekend is hoe hun ziekteverloop is geweest. Via de computer kan die analyse gebeuren op duizenden verschillende manieren die elk een eigen voorspelling geven. De voorspelling die het best overeenkomt met het daadwerkelijke, al bekende ziekteverloop geeft aan welke analysemethode de standaard moeten worden. 

Ten goede aan de patiënt

Hoewel het misschien jaren duurt voordat dat doel bereikt is, benadrukt Van der Laak hoe belangrijk hij het vindt dat de nieuwe technologie die hij ontwikkelt uiteindelijk ten goede komt aan de patiënt. "Ik hoop dat we een methode ontwikkelen die pathologen nieuwe informatie geeft en dat we kunnen bewijzen dat die informatie van meerwaarde is voor de patiënt. Bijvoorbeeld doordat artsen met die informatie hun behandeling veel gerichter kunnen afstemmen op een individuele patiënt, of juist kunnen besluiten om een bepaalde behandeling niet meer te geven omdat van te voren duidelijk is dat die bij die patiënt niet aan zal slaan. De software die we daarvoor ontwikkelen wil ik het liefst gratis aanbieden. Het gaat me als onderzoeker niet alleen maar om het publiceren van artikelen. Ik wil niets liever dan ervoor zorgen dat de patiënt echt iets heeft aan het werk dat wij doen!"
 
Leren van fouten en eindeloos veel oefenen
 
De indrukwekkende resultaten die Jeroen van der Laak en zijn collega's boeken met hun beeldherkenningssoftware zijn mogelijk dankzij een vorm van kunstmatige intelligentie die sterk in opkomst is: zelflerende systemen. Voor de ontwikkeling daarvan is het niet nodig om alle kennis, ervaring en intuïtie die pathologen hebben opgebouwd te vertalen in software met vaste instructies; dat zou onbegonnen werk zijn. Zelflerende systemen bouwen die kennis zelfstandig op.​ 

Een zelflerende computer krijgt daarvoor een set 'trainingsbeelden' voorgeschoteld, in dit geval doorsnedes van lymfeklieren waarop de tumorcellen door een patholoog handmatig zijn aangetekend (de blauw-omlijnde gebieden links). De computer moet vervolgens op elk punt van de lymfeklier aangeven of het wel of geen tumorcel betreft. Bij een fout antwoord gaat de computer zelf na waar hij als het ware beter op had moeten letten of wat hij zwaarder mee had moeten wegen om wel met de goede uitkomst te komen. Van die fouten leert het systeem, en via eindeloos veel herhalingen bouwt de kennis zich op en wordt het systeem steeds verfijnder. Rechts op het plaatje is het resultaat te zien: de gebieden die door de computer zijn aangemerkt als tumorcel (in rood) zijn vrijwel identiek aan de beoordeling van de patholoog. 
 
De software die Van der Laaks groep heeft ontwikkeld, is inmiddels zo verfijnd dat het soms zelfs geïsoleerde tumorcellen vindt die door de patholoog over het hoofd zijn gezien. "Ik ga niet zeggen dat onze software het beter doen dan echte pathologen, dat is te kort door de bocht. De software wijst nog te vaak normale cellen aan als tumor. Maar als we het een keer beter doen dan de patholoog dan is dat voor ons als informatici natuurlijk een resultaat om van te smullen!"e software die Van der Laaks groep heeft ontwikkeld, is inmiddels zo verfijnd dat het soms zelfs geïsoleerde tumorcellen vindt die door de patholoog over het hoofd zijn gezien. "Ik ga niet zeggen dat onze software het beter doen dan echte pathologen, dat is te kort door de bocht. De software wijst nog te vaak normale cellen aan als tumor. Maar als we het een keer beter doen dan de patholoog dan is dat voor ons als informatici natuurlijk een resultaat om van te smullen!"
 

Select the Component and add.
Close

Dossier

​Naam: dr. J.A.W. (Jeroen) van der Laak
Instituut: Radboudumc
Vakgebied: digitale pathologie
Start onderzoek: 1 juli 2015
Looptijd: 5 jaar
Financiering KWF: € 946.038,-