Een onderzoek afkomstig van Google - afgelopen maandag gepubliceerd in Nature - doet veel stof opwaaien in de internationale pers. Een team van Google ontwikkelde een kunstmatig intelligent algoritme dat op CT-scans van longen zogeheten kleine nodules - afwijkingen of ‘knobbeltjes’ - betrouwbaar kan detecteren. Google doet dat naar eigen zeggen beter dan menselijke radiologen. Wat betekent dat voor longkankerscreening?
Nodules kunnen potentieel kwaadaardig zijn en tot longkanker kunnen leiden. Vroeg detecteren is daarom belangrijk. In een later stadium van de kanker wordt het succes van de behandelopties minder, of met de weinig verhullende medisch jargon, de survival rate is laag. Op computertomografie (CT) -scans kan een radioloog met een getraind oog longnodules opmerken. Een team van Google ontwikkelde een algoritme dat deep learning gebruikt om nodules op te sporen.
Openbare datasets
Afgelopen maandag publiceerde Google een nieuw artikel in Nature over de werking van het algoritme. Google gebruikte 42.000 CT-scans van drie openbare datasets en een gelicenseerde dataset van Northwestern Medicine om het deep learning model te trainen. Volgens onderzoeker Danial Tse leverde het algoritme 11% minder vals positieven en 5% minder vals negatieve uitkomsten in vergelijking met de radiologen:
When prior computed tomography imaging was not available, our model outperformed all six radiologists with absolute reductions of 11% in false positives and 5% in false negatives. Where prior computed tomography imaging was available, the model performance was on-par with the same radiologists.
Dus zonder eerdere CT-beelden van patiënten te bekijken scoorde het algoritme beter dan de menselijke radioloog in de voorspelling welke kans de patiënt had op longkanker. Met behulp van een huidige en eerdere CT-scan van de patiënt waren radioloog en algoritme even accuraat. Wel benadrukt het techologiebedrijf dat het algoritme nog gevalideerd moet worden bij grotere patiëntenpopulatie en op andere datasets dan de openbare en gelicenseerde dataset.
Longkanker screening
AI biedt volgens de Google-onderzoekers de mogelijkheid door screenings om longkanker eerder op te sporen. "Deze mensen hebben een technologie die de precisie van screening enorm zal verbeteren," zegt Dr. Otis Brawley, een professor in oncologie en epidemiologie aan de Amerikaanse Johns Hopkins University die niet betrokken was bij de studie. Brawley zei in een interview met tech-blog STAT dat hij over het algemeen sceptisch staat tegenover de screening op longkanker, maar dat de prestaties van Google bij het verminderen van valse positieven (onterechte vaststellen van longkanker) een belangrijke stap vooruit is.
Over longkanker screening wordt al jaren veel gediscussieerd. In dit recente proefschrift over longkanker screening van de Erasmus Universiteit Rotterdam noemt Kevin ten Haaf een aantal obstakels voor de implementatie van longkankerscreeningsprogramma’s. Volgens hem is het op dit moment onduidelijk op welke manier personen met een hoog risico op het ontwikkelen van longkanker het beste geïdentificeerd en benaderd kunnen worden. Ten Haaf stelt ook dat het hoge aantal vals‐positieve resultaten bij huidige longkankerscreeningsprogramma’s een groot obstakel is.
Na de screening?
De kunstmatige intelligentie van partijen als Google kan volgens deskundigen bijdragen aan het wegnemen van dit obstakel. De detectie van nodules is stap één, adequate opvolging en zorg is stap twee. En daar kunnen capaciteitsissues (tekort aan radiologen of personeel) of beperkte toegang tot zorg in de weg staan. Bovendien zijn de behandelopties afhankelijk van een aantal factoren die flink kunnen verschillen van persoon tot persoon, en dat proces is nog nauwelijks te automatiseren.
Voor de liefhebbers: de gebruikte modellen (TensorFlow model en the lung segmentation model and cancer ROI detection model) zijn allemaal online te vinden.
Wat betekent kunstmatige intelligentie voor u als zorgprofessional?
Op 26 en 27 september organiseert SmartHealth voor de derde keer een twee-daagse masterclass gericht op kunstmatige intelligentie in de zorgsector. Kunstmatige intelligentie of AI in de zorg heeft enorm veel potentie, maar roept tegelijkertijd veel vragen op. In deze masterclass gaan we met gastdocenten als Nicky Hekster (IBM) en Paul Algra (Noord-West Ziekenhuis Groep) in op het thema AI in de zorg. Meer informatie?
Trackbacks & Pingbacks
-
[…] Lees het volledige artikel op SmartHealth.nl. […]
Plaats een Reactie
Meepraten?Draag gerust bij!
Wel wat typisch dat dit nu 'veel stof doet opwaaien'. Dit komt namelijk niet uit de lucht vallen en is een ontwikkeling die al vele jaren gaande is. In 2011 werd hier al op een congres over het gebruik van scandata en ML algoritmes over gesproken en werden al de eerste tests gedaan, o.a. op borstkanker detectie omdat daar enorm veel (potentieel) testmateriaal om te trainen beschikbaar is, inclusief time series. De medische wereld heeft er echter van alles aan gedaan om niet mee te werken..... simpelweg omdat het niet begrepen werd, domweg vasthouden aan klassieke werkwijzen of omdat het als een bedreiging werd gezien. Zowel vanuit artsen als vanuit leveranciers die hun bestaande business model beschermden. Vooral de doorbraak in het gebruik van GPU's, een paar disruptieve start-ups en Big Tech hebben er voor gezorgd dat de ML en DL modellen waarvan we al langer wisten dat we ze konden maken nu ook te realiseren zijn en steeds beter te trainen. De kunst is nu om met de uitkomsten om te kunnen gaan en de mens-machine interactie opnieuw te definiëren.
Beste redactie,
In dit kader ook wel interessant: een publicatie van de deels Nederlandse Nelson studie. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3266562/
Het aantal vals positieven bij screening is erg hoog. De Nelson studie test een protocol met volumemetingen waarbij na 3/4 maanden een follow-up wordt gedaan. Dit resulteert in een fors lager aantal vals positieven (2,6% ipv 64,3%). De uitkomst is dat niet zozeer het analyseren van statische beelden, maar het herkennen van groei van (mogelijk) kwaadaardige nodules leidt tot betere uitkomsten.
Peter Haasjes
Nextgen Ventures