Beeldherkenning voor bevolkingsonderzoek longkanker Vici-project Bram van Ginneken

Automatisch longtumoren kunnen herkennen op CT scans: hoogleraar functionele beeldanalyse Bram van Ginneken ontwikkelde binnen zijn Vici-project software die nu wereldwijd wordt gebruikt. De resulterende kostenbesparing brengt de invoering van een bevolkingsonderzoek longkanker dichterbij.

Wat was de aanleiding voor uw Vici-onderzoek?
‘In 2011 toonden Amerikaanse onderzoekers met een grote gerandomiseerde studie aan dat het gebruik van CT scans in een bevolkingsonderzoek longkankersterfte kan reduceren. Longkanker is de dodelijkste vorm van kanker omdat hij vaak te laat wordt ontdekt. In mijn onderzoeksgroep waren we al sinds 2004 bezig met het automatisch detecteren van afwijkingen op CT scans. De Vici toekenning was de ideale gelegenheid om beide ontwikkelingen samen te brengen.’

Wat was de belangrijkste vraag binnen het project?
‘Een thorax CT scan is een driedimensionaal beeld van het bovenlichaam, opgebouwd uit tweedimensionale doorsneden. De radioloog moet zo’n scan plakje voor plakje door scrollen en kijken of hij iets vreemds ziet. Dat kost veel tijd. Wij wilden die beoordeling automatiseren. Daarbij was het einddoel dat de computer alle vakjes zou kunnen invullen op het beoordelingsformulier van de radioloog. We wilden dus niet alleen een cirkeltje kunnen trekken om een verdachte plek maar ook automatisch aangeven of de patiënt gewoon kan wachten op een volgende screeningsoproep, of dat hij eerder een arts moet zien.’

Wat heeft u onderzocht?
‘We hebben algoritmen ontwikkeld en getraind met tienduizenden voorbeelden van CT scans. Daarop hadden artsen aangegeven welke afwijkingen kunnen duiden op longkanker. Daarna hebben we ons systeem nieuwe CT scans laten beoordelen en hebben artsen die beoordelingen gecontroleerd en waar nodig verbeterd of aangevuld. Uiteindelijk zijn we zo tot een systeem gekomen dat op populatieniveau net zo goed scans kan beoordelen als artsen. In individuele gevallen kan het echter nog misgaan: zeldzame gevallen die het algoritme nooit eerder gezien heeft kan het niet herkennen. Het is dus cruciaal dat we zo’n op kunstmatige intelligentie gebaseerd systeem blijven trainen met nieuwe data.’

Wat heeft het project tot nu toe opgeleverd?
‘Mijn Vici-project heeft geleid tot inmiddels wereldwijd gebruikte software, verkocht door Mevis Medical Solutions. Omdat het nog niet maatschappelijk geaccepteerd is dat computers zelfstandig medische conclusies trekken, wordt de software nu vooral gebruikt om radiologen te ondersteunen. De computer analyseert de CT scan en geeft alvast aan welke plekken de radioloog zeker moet bekijken. Daarmee is een radioloog twee keer zo snel klaar. Daarnaast kan de computer op een thorax CT ook meteen andere afwijkingen zien. Zo kunnen we ook met grote nauwkeurigheid aderverkalking en COPD herkennen en kwantificeren. Beide aandoeningen komen veel voor bij rokers, de eerste groep die in aanmerking zou komen voor een longkankerscreening. Sterker nog, er sterven meer rokers aan hart- en vaatziekten door aderverkalking dan aan longkanker. Dus ook op die manier zou je gezondheidswinst kunnen behalen. Op dit moment loopt er een langjarige studie in Groningen naar de vraag of het zinvol is om deze screenings meteen erbij te doen.’

Voor wie is dit onderzoek vooral nuttig?
‘Voor de maatschappij als geheel. Op de eerste plaats is het geweldig voor patiënten als je de kanker kunt opsporen op een moment dat er nog iets aan te doen is. Tegelijk helpt onze software de kosten voor de gezondheidszorg te beteugelen. In de discussies rondom bevolkingsonderzoeken speelt altijd een kosten-batenanalyse: wegen de te maken kosten op tegen de verwachte gezondheidswinst? Zolang radiologen handmatig al die CT scans moeten beoordelen, is het invoeren van een longkankerscreening erg duur. Ons onderzoek leidt tot kostenbesparing en verlaagt daarmee de drempel voor de invoering van dat bevolkingsonderzoek.’

Heeft u nog tips voor collega-onderzoekers die kennisbenutting nastreven van fundamenteel onderzoek?
‘Zet in op strategische, langjarige samenwerkingen met partners die jouw visie delen. Ik wil dingen ontwikkelen die een impact hebben op de gezondheidszorg. Maar dat kan ik niet alleen. Ik moet daarvoor met bedrijven samenwerken. In dit geval heeft Mevis een exclusief gebruiksrecht van de software bedongen. Daar kun je in het kader van open science natuurlijk je bedenkingen tegen hebben. Ik vind het echter prima, aangezien het gevolg is dat onze resultaten nu ook daadwerkelijk gebruikt worden. En van de royalty’s kunnen wij weer nieuwe onderzoekers binnen onze groep betalen.’

Wat is er nog nodig van anderen om dit verder te brengen?
‘Kunstmatige intelligentie (AI) is aan het opkomen in de zorg: er zijn inmiddels zo’n 150 CE gecertificeerde AI producten voor de radiologie. Maar er moet wel een systeem komen dat ervoor zorgt dat die software ook continu wordt verbeterd. Ziekenhuizen delen nu hun data bijna nooit, uit privacyoverwegingen of koudwatervrees. Maar als je echt veilige kunstmatige intelligentie wilt ontwikkelen is data delen, vooral van scans met de meer zeldzame afwijkingen, een noodzaak. De software moet kunnen leren van zijn fouten. Als er ergens een dodelijk ongeluk plaatsvindt, onderzoeken we hoe we herhaling kunnen voorkomen. Dat moet ook gebeuren als een computer een beoordelingsfout maakt, zeker in een medische omgeving.’

Meer informatie

• Onderzoeksgroep Bram van Ginneken
• Software die het project heeft opgeleverd
• Interview in De Volkskrant
• Een oproep van patiënten, artsen en onderzoekers om in het Regeerakkoord op te nemen dat Nederland start met een bevolkingsonderzoek longkanker.

Bron NWO

• Meer weten over deze onderwerpen? Klik dan via onderstaande buttons door naar meer nieuws.

  Radboudumc Centrum voor Oncologie Nieuws homepage Patientenzorg en Nieuws en verhalen