(advertentie)

Programmeurs kregen de kans om een computeralgoritme te maken dat zelfstandig een diagnose kan stellen op basis van aangeleverde pathologiebeelden.

Kunstmatig intelligente computeralgoritmes kunnen menselijke pathologen evenaren in het ontdekken van uitzaaiingen van borstkanker in lymfeklieren. Dit blijkt uit de CAMELYON16 challenge van het Radboudumc. In een publicatie in JAMA van 12 december laten onderzoekers voor het eerst zien dat deep learning algoritmes voldoende kwaliteit hebben om routinematige diagnoses te stellen op basis van weefselpreparaten. De techniek kan pathologen helpen om sneller en beter diagnoses te stellen.

Het Radboudumc organiseerde tussen november 2015 en november 2016 de CAMELYON16 challenge. Programmeurs kregen de kans om een computeralgoritme te maken dat zelfstandig een diagnose kan stellen op basis van aangeleverde pathologiebeelden. Het ging daarbij om het ontdekken van uitzaaiingen van borstkanker in lymfeklieren. Drieëntwintig onderzoeksgroepen uit de hele wereld gingen deze uitdaging aan waarvan de resultaten nu bekend zijn.
 
Uitzaaiingen aanwijzen
Deelnemers aan CAMELYON16 kregen de beschikking over 270 digitale preparaten waarvan al duidelijk was of, en waar, er uitzaaiingen te vinden waren. Op basis hiervan konden ze algoritmes programmeren en trainen in het herkennen van de uitzaaiingen. Vervolgens kregen de deelnemers 129 nieuwe preparaten waarmee ze het algoritme konden testen. De computer moesten preparaten met en zonder uitzaaiingen van elkaar onderscheiden. En in de preparaten met uitzaaiingen moesten de algoritmes aanwijzen waar deze precies zaten.
 
Menselijke pathologen
Om de kwaliteit van de computerdiagnoses te vergelijken met een menselijke prestatie, werden de 129 testpreparaten ook beoordeeld door elf ervaren pathologen. Zij beoordeelden de preparaten op een manier die vergelijkbaar is met het werken in een realistische ziekenhuissituatie. Daarnaast was er één ervaren patholoog die zoveel tijd kon nemen als zij wilde voor het beoordelen van de preparaten.
 
Deep learning
De deelnemende onderzoeksgroepen stuurden in totaal 32 computeralgoritmes in. De besten daarvan maakten allemaal gebruik van zogenaamde deep learning technologie, waarbij de computer patronen leert herkennen op basis van een groot aantal voorbeelden. Het beste algoritme kon net zo goed uitzaaiingen vinden als de patholoog die zonder tijdsdruk werkte. Gemiddeld wees dit algoritme slechts 1,25 keer per honderd preparaten een uitzaaiing aan die er in werkelijkheid niet was. Hiermee overtrof het algoritme zelfs de pathologen die de preparaten beoordeelden in de realistische werksituatie.
 
Beter en sneller
Jeroen van der Laak, onderzoeker bij de afdeling Pathologie van het Radboudumc, coördineerde de challenge: “We zien nu voor het eerst dat een computer even goed deze diagnose kan stellen als een patholoog. Een patholoog met algoritme is dus beter af dan een patholoog zonder. De patiënt heeft zo eerder een uitslag en het helpt pathologen in het stellen van betere diagnoses, ook onder tijdsdruk.” De onderzoekers verwachten dat de techniek binnen enkele jaren geschikt is voor toepassing in de patiëntenzorg en dat het aantal diagnoses dat de computer kan stellen toeneemt.

 

Aanvullende info ...

Raadpleeg de bron en/of aanbieder voor meer informatie over dit bericht. Nieuws kan veranderen, fouten of onjuistheden omvatten. Lees ook onze disclaimer en rapporteer a.u.b. berichten, reacties en/of beeld die ingaan tegen onze voorwaarden.

Klik op de onderstaande tags voor relevante berichten, indien aanwezig ...

Fotograaf of fotobureau: : INGImages
Bron bij dit artikel: : Radboudumc
Wat is de URL bij deze bron?: https://www.radboudumc.nl/nieuws/2017/computer-herkent-kanker-in-weefselbeelden
Originele titel: Computer herkent kanker in weefselbeelden
Doelgroep: Zorgprofessionals, Studenten
Datum: 2017-12-13

Relevante artikelen ...

Immuuntherapie samen aangepakt Om deze ontwikkeling verder aan te jagen slaan het Antoni van Leeuwenhoek/Nederlands Kanker Instituut  en het LUMC de handen ineen Het eigen afw... Wetenschap & onderwijs Sun, 29 Mar 2020, 10:34:52
Grootschalig onderzoek naar de architectuur van de hersenschors Zoals boomschors de boomstam verpakt, zo verpakt de hersenschors de hersenen Bijna 200 genetische varianten spelen een rol bij de architectuur van de... Wetenschap & onderwijs Thu, 26 Mar 2020, 15:44:07
Kunstmatige intelligentie ingezet in de strijd tegen het coronavirus Het initiatief voor de inzet van kunstmatige intelligentie en machine learning wordt gecoördineerd door het Amsterdam UMC, de Vrije Universiteit Amste... Wetenschap & onderwijs Thu, 26 Mar 2020, 10:53:05
Europese subsidie voor onderzoek om schimmelinfecties terug te dringen 10 miljoen Europese subsidie voor project HDN-FUN Een internationaal consortium van 16 kennisinstellingen en bedrijven verwacht dat een gepersonali... Wetenschap & onderwijs Wed, 25 Mar 2020, 14:49:43
Overlevingskans voor patiënten met baarmoederhalskanker vergroot door vaccin Van de patiënten met een sterke afweerreactie, leeft na 3 jaar nog ongeveer 30 procent Patiënten met baarmoederhalskanker hebben een grotere overlevi... Wetenschap & onderwijs Thu, 19 Mar 2020, 15:09:24
Onderzoek of het BCG-vaccin een middel tegen tuberculose bescherming kan geven Dit vaccin beschermt niet direct tegen het coronavirus, maar geeft de afweer een boost Het Radboudumc en het UMC Utrecht gaan onderzoeken of zorgmede... Wetenschap & onderwijs Wed, 18 Mar 2020, 09:37:51

(advertentie)