AI voorspelt beste behandeling voor melanoom

Kunstmatige intelligentie (AI) voorspelt de beste behandeling voor patiënten met melanoom. Het AI-model is ontwikkeld als onderdeel van het Data Science Experience (DSX) project, dat is opgezet door het Isala Ziekenhuis.

“Het is mijn wens om de zorg voor patiënten te verbeteren door gebruik te maken van beschikbare data”, vertelt Richard Brohet, genetisch epidemioloog, statisticus en datascientist bij de Isala Academie. Brohet startte samen met collega’s het DSX project.

“Dat wil ik in eerste instantie doen voor oncologiepatiënten. DSX maakt gebruik van alle medische gegevens in Isala, oftewel Big Data. Met artsen hebben wij overlegd wat voor algoritme met AI (artificial intelligence) wij als eerste wilden ontwikkelen. De keuze viel op melanoom. Samen met internist-oncoloog Jan Willem de Groot ben ik daarom deze pilotstudie gestart.”

Wat is de beste behandeling?

Patiënten met kanker komen voor diverse vraagstukken te staan. Waarom is het ontstaan en wat is de beste behandeling? “Voor oncologiepatiënten zijn die vragen lastig te beantwoorden. Kanker kan ontstaan door verschillende oorzaken, denk aan leefstijl, hormonen, omgeving, genetische afwijkingen, erfelijkheid, of een combinatie van deze factoren. Ook hangt de behandeling van kanker af van persoonlijke, klinische en genetische kenmerken. Omdat iedere tumor en dus iedere patiënt uniek is, willen we een behandeling op maat zodat de overleving beter is en de kans op een behandeling die niet werkt kleiner is. Patiënten met melanoom krijgen naast chemotherapie nu ook doelgerichte therapie of immunotherapie. Dit slaat bij de ene patiënt wel aan, maar bij de andere niet. Hoe kan dat? AI zou enorm kunnen helpen bij het beantwoorden van deze vraag en het leveren van een behandeling op maat. Dat proberen wij nu dus met DSX te doen”, ligt Brohet toe.

Het AI-model dat als onderdeel van het DSX project is ontwikkeld zet gestructureerde en ongestructureerde data in voor analyses. Denk bij gestructureerde data aan geslacht, leeftijd, gewicht en omvang van de tumor. Ongestructureerde data zijn onder meer gegevens die in open tekstvelden worden ingevuld. Denk hierbij aan hoe het met iemand gaat, zijn leefstijl en beroep, en hoe de patiënt omgaat met de ziekte. Het gaat daarbij specifiek om informatie die niet in een afvinklijst past, maar wel van belang is.

Verbanden zien

De Groot: “Door ook die data te gebruiken, kun je zoeken naar wat je niet verwacht en verbanden zien. Ook geeft het ons inzicht in de uitkomsten van de verschillende behandelingen over de tijd. Complexere data kunnen wij op deze manier steeds beter vangen en analyseren en wij kunnen beter zien wat voorspellende factoren zijn.”

Het basis-AI-model dat nu is ontwikkeld voorspelt wat de beste behandeling is voor een patiënt met een melanoom. Wel moet het model nog verder worden gevalideerd. De Groot meldt dat indien hij de gegevens van een bekende patiënt invoert, het model inderdaad de juiste behandeling voorspelt. Het algoritme moet nu groeien, wat de makers willen doen door meer patiënten toe te voegen, ook van andere melanoomcentra. Zo willen zij de voorspellingen verder optimaliseren en zo maatwerk bieden aan patiënten. De Groot: “Er wordt vaak gezocht naar medicijnen die het leven met een paar maanden kunnen rekken. Mijn mening is dat wij beter kunnen investeren in de kwaliteit van leven. Dit kunnen we doen door te leren van de beschikbare data om zo samen met de patiënt te beslissen over de meest passende behandeling.”

Risico op longkanker bepalen

Al langer werken onderzoekers aan AI-modellen die de behandeling van oncologiepatiënten ondersteunt. Zo beoordeelt een AI-algoritme ontwikkeld door onderzoekers van de Radboudumc longknobbels. Het model voorspelt het risico dat deze knobbeltjes uitgroeien tot tumoren. Het in een vroegtijdig stadium detecteren van tumoren vergroot de kans op een succesvolle behandeling en verkleint de kans op sterfte door longkanker. Veel van de kleine knobbeltjes die op CT-scans zichtbaar zijn, zijn echter goedaardig. Deze kunnen met rust worden gelaten, terwijl kwaadaardige knobbels wel moeten worden aangepakt. Het algoritme maakt onderscheid tussen goed- en kwaadaardige knobbels.

Een tweede voorbeeld is een algoritme ontwikkeld door onderzoekers van de Technische Universiteit Eindhoven. Het gaat hierbij om een machine learning-model dat voorspelt of immunotherapie effectief werkt bij een patiënt met kanker. Ons immuunsysteem werkt onder meer om bedreigingen in ons lichaam uit te schakelen, waaronder kanker. Kankercellen kunnen immuuncellen echter uitschakelen, waarmee zij hun vernietiging voorkomen. Immunotherapie kan dit proces in sommige gevallen omdraaien. Het algoritme voorspelt de kans op een succesvolle behandeling met immunotherapie.

Baarmoederkanker bestrijden

Via het onderzoeksproject PRESCRIP-TEC, waarbij onder meer het LUMC betrokken is, werken onderzoekers aan AI die helpt bij het bestrijden van baarmoederkanker. Deze vorm van kanker wordt veroorzaakt door het humaan papillomavirus (HPV). Vrouwen met een chronische HPV-infectie ontwikkelen voorstadia van baarmoederhalskanker. Deze zijn opspoorbaar via screenings. In Nederland zijn screenings via uitstrijkjes gemeengoed. In veel lage- en middeninkomenslanden is de toegang tot gezondheidszorg vaak echter slecht en zijn screenings zeldzaam.

Een zelftest kan uitkomst bieden, waarna een relatief eenvoudig behandeling mogelijk is. Deze zijn echter relatief arbeidsintensief in afgelegen gebieden, terwijl snel ingrijpen juist belangrijk is. Via het PRESCRIP-TEC project werken de onderzoekers aan AI die helpt bij het beoordelen van zelftesten die vrouwen bij zichzelf uitvoeren met een wattenstok. Indien zij HPV hebben en een screening nodig is, helpt AI-technologie gezondheidswerkers bij het herkennen van de verkleuring van de baarmoedermond.

Auteur: Wouter Hoeffnagel
Foto: Gordon Johnson via Pixabay