Informaticus prof. dr. Jeroen van der Laak werkt al ruim dertig jaar op het grensvlak van de pathologie en kunstmatige intelligentie. Op 3 maart jl. hield hij zijn inaugurele rede als hoogleraar Computational pathology aan de Radboud Universiteit in Nijmegen. In dit artikel vertelt hij onder andere over de groeiende rol van kunstmatige intelligentie in de pathologie en deelt hij zijn visie op de toekomst. “Het is zo mooi dat je een computer kunt leren om uit weefsels informatie te halen die bijdraagt aan een optimale behandeling van patiënten.”
Voor Jeroen van der Laak betekent computational pathology met name het gebruik van kunstmatige intelligentie (AI) voor het analyseren van microscopische beelden van weefsels en cellen. “Hierbij streven we er met name naar om informatie uit de beelden te halen die het werk van de patholoog efficiënter maakt en soms om informatie te verzamelen die door de patholoog niet opgemerkt zou worden. Bovendien kan deze beeldinformatie samengevoegd worden met bijvoorbeeld de informatie van moleculaire analyses van tumorweefsel. Door deze informatie te integreren, kun je tot een krachtiger model komen met als uiteindelijk doel om de diagnose en de bepaling van de prognose te verbeteren.”
CAMELYON-challenges
Van der Laak vertelt dat voor zijn eigen onderzoeksgroep de CAMELYON16-challenge een hoogtepunt was van de afgelopen jaren. Voor deze challenge stelden Van der Laak en collega’s van het Radboudumc en UMC Utrecht een trainingsset beschikbaar met scans van 1.399 HE-gekleurde weefselcoupes van lymfeklieren met of zonder borstkankermetastasen. Het doel van de challenge was dat op basis van deze trainingsset onderzoeksgroepen uit de hele wereld deep-learningalgoritmes ontwikkelden die in staat waren om in de lymfeklieren metastasen te detecteren. In latere instantie werden de prestaties van de algoritmes vergeleken met die van een panel van elf pathologen.
Van der Laak: “De resultaten lieten zien dat het beste algoritme vergeleken met de pathologen net zo goed of beter in staat was om de metastasen op te sporen.1 Hieruit bleek voor het eerst dat AI in staat is om een klinisch relevant probleem op het niveau van een patholoog op te lossen. Dit betekende echt een grote doorbraak voor het gebruik van AI in de pathologie en werd dan ook opgepikt door allerlei media en instanties, tot aan Google en het Witte Huis toe. Nog steeds vormt de CAMELYON16-challenge een benchmark binnen ons vakgebied.”
Als opvolgers van CAMELYON16 heeft de groep nog verschillende challenges georganiseerd: CAMELYON17, PANDA - over gradering van prostaatkanker - en TIGER, een challenge rond tumorinfiltrerende lymfocyten bij borstkanker.2,3
STIC
Een ander project van Van der Laak betreft het gebruik van AI om serous tubal intraepithelial carcinoma (STIC)-laesies op te sporen. Dit zijn zeldzame premaligniteiten in de eileiders zonder eenduidige definitie, die niet altijd worden opgemerkt en kunnen leiden tot ovariumkanker. Vroeger werden bij vrouwen met een verhoogd risico op ovariumkanker, bijvoorbeeld vanwege een genetische mutatie, preventief de eileiders en ovaria verwijderd. Dit is echter geassocieerd met klachten, waaronder het vervroegd in de overgang komen en cardiovasculaire problemen.
Van der Laak: “Uit klinisch onderzoek bleek dat als eerst de eileiders werden verwijderd en enkele jaren later de ovaria, de klachten afnamen.4 We bekijken nu of het risico op ovariumcarcinoom inderdaad beperkt blijft.5 Alleen bij vrouwen bij wie in een eileider STIC’s worden gedetecteerd, worden meteen aansluitend ook de ovaria verwijderd. Voor pathologen is het opsporen van STIC’s echter als het vinden van een speld in een hooiberg. Als een patholoog door AI wordt ondersteund, zou dit proces mogelijk veel nauwkeuriger en sneller kunnen worden uitgevoerd. De eerste resultaten van ons project suggereren dat dit inderdaad het geval is.”
Voor- en nadelen
Volgens Van der Laak is de grote mate van reproduceerbaarheid een groot voordeel van computational pathology. “Onder andere uit het onderzoek naar de toepassing van AI in de pathologie bleek dat er tussen pathologen redelijk veel variatie is in hoe zij weefselcoupes beoordelen. Uit verschillende studies bleek echter dat wanneer je pathologen ondersteunt met AI, hun prestaties gelijkwaardiger worden.6,7 Daarnaast heeft men laten zien dat AI de nauwkeurigheid en efficiëntie van pathologen kan vergroten.7 Een patholoog die door AI wordt ondersteund is dan ook vaak sneller dan een patholoog zonder AI.
Een nadeel van AI is dat het moeilijker is om AI in de dagelijkse praktijk te introduceren dan we dachten. Dit komt onder andere doordat AI-modellen die op basis van één of een klein aantal datasets zijn ontwikkeld vaak minder goed werken in de dagelijkse praktijk, waarin bijvoorbeeld weefselcoupes soms een suboptimale kwaliteit hebben of beelden worden gemaakt op een andere scanner dan die gebruikt voor de ontwikkeling van het model. Grote bedrijven in dit veld zetten dan ook in op het trainen en valideren van algoritmes met datasets van grote aantallen centra met een grote diversiteit.
Je moet echt proberen om zoveel mogelijk variatie in je dataset te krijgen, zoals binnen het Europese BIGPICTURE-project waarvan ik de coördinator ben. Het idee van dit grote project, met 46 deelnemende partijen en een budget van 32 miljoen euro, is om een Europese database te bouwen waarin data worden opgeslagen die afkomstig zijn van zoveel mogelijk centra, om op die manier een afspiegeling te zijn van de echte wereld.”
Prostaatcarcinoom
Vorig jaar werd tijdens het European Congress of Pathology het symposium Computational Pathology gehouden, dat onder andere door Van der Laak was georganiseerd. “Voor dat symposium hadden we de pathologen uitgenodigd om gescande coupes van prostaatcarcinomen aan te leveren waarvan vervolgens met verschillende algoritmes de Gleason-score werd bepaald. Daarnaast werd een aantal pathologen gevraagd om nog vóór het symposium de Gleason-score te bepalen en konden deelnemers aan het symposium dit via hun telefoon doen.
Tijdens het symposium konden we dus al deze bepalingen bekijken, vergelijken en bediscussiëren. Dit leverde zeer leuke en leerzame inzichten op die we over enige tijd hopen te publiceren. Het bracht de algoritmes ook weer een stap dichter bij de kliniek en dat is toch waar we naar streven. Er zijn al genoeg algoritmes die zeer goed in staat zijn om prostaatcarcinomen te beoordelen, maar veruit de meeste blijven in de academische setting steken. Daarom hebben we in 2021 vanuit onze onderzoeksgroep ook het spin-offbedrijf Aiosyn opgericht. Binnen dit bedrijf zijn we nu onder andere bezig om een Europese certificering te krijgen voor een algoritme dat de gradering van mammacarcinomen ondersteunt. Een zeer complex en kostbaar proces dat een even grote uitdaging is als het maken van het algoritme zelf. Aan de andere kant heb je ook wel een competitief voordeel als je eenmaal het certificaat in handen hebt.”
Toekomst
In Nederland neemt het aantal patiënten met complexe ziekten toe, maar het aantal pathologen af. “Dus om de patiëntenzorg toekomstbestendig te maken, denk ik dat er voor AI een belangrijke rol is weggelegd. Op een gegeven moment zullen afdelingen en centra ook niet meer om AI heen kunnen. Hoe verantwoord en ethisch is het nog om geen AI te gebruiken als voor bepaalde situaties is aangetoond dat AI beter presteert dan het reguliere zorgproces? Is er dan nog wel sprake van optimale patiëntenzorg? Ik denk dan ook dat AI op den duur niet alleen de zorgverleners zal ondersteunen, maar ook routinematige analyses zal overnemen. In de pathologie, radiologie en klinische laboratoria neemt de hoeveelheid data ook dermate toe dat deze zonder AI niet meer te overzien en te verwerken zijn”, aldus Van der Laak.
Referenties
1. Ehteshami Bejnordi B, et al. JAMA 2017;318:2199-210.
2. Bándi P, et al. IEEE Trans Med Imaging 2019;38:550-60.
3. Bulten W, et al. Nat Med 2022;28:154-63.
4. Steenbeek M et al. JAMA Oncol 2021;7:1203-12.
5. Steenbeek MP, et al. Int J Gynecol Cancer 2023 Apr 12. doi: 10.1136/ijgc-2023-004377. Online ahead of print.
6. Bulten W, et al. Mod Pathol 2021;34:660-71.
7. Steiner DF, et al. Am J Surg Pathol 2018;42:1636-46.
Dr. Robbert van der Voort, medical writer
Oncologie Up-to-date 2023 vol 14 nummer 3
DEEL DIT ARTIKEL:
