Longkanker is bij zowel mannen als vrouwen de belangrijkste doodsoorzaak door kanker 

Een AI-algoritme kan nauwkeurig het risico voorspellen dat longknobbeltjes, gevonden op CT-scans tijdens longscreening, zullen uitgroeien tot tumoren. Dat schrijven onderzoekers van het Radboudumc in Radiology.

Longkanker is bij zowel mannen als vrouwen de belangrijkste doodsoorzaak door kanker en veroorzaakt bijna 25 procent van alle sterfte door kanker. Screening van mensen met een verhoogd risico op longkanker, zoals zware rokers, kun je doen met lage dosis CT-scans van de long. Resultaten van grote screeningstudies wijzen uit dat de sterfte door longkanker daardoor aanzienlijk kan verminderen. Dat geldt met name wanneer (potentiële) tumoren al in een vroeg stadium worden gedetecteerd. Dan is de kans op een succesvolle behandeling groter.

Goedaardig of niet?
Probleem is echter, dat de meeste kleine knobbeltjes die zichtbaar zijn op dergelijke CT-scans, geen tumoren in de dop zijn maar goedaardige knobbeltjes. Goedaardige knobbeltjes kunnen met rust worden gelaten, terwijl je de kwaadaardige knobbeltjes juist wel wil aanpakken. Vandaar het grote belang om een goed onderscheid te kunnen maken tussen die twee varianten.

16.000 knobbeltjes
Voor de studie, gepubliceerd in Radiology, ontwikkelden onderzoekers van het Radboudumc een algoritme dat longknobbels beoordeelt met deep learning. Deep learning is een AI-techniek die patronen in aangeleverde beelden zelf steeds beter leert te vinden en herkennen. De onderzoekers trainden het algoritme door het CT-beelden te laten zien van meer dan 16.000 knobbeltjes, afkomstig van de National Lung Screening Trial in de Verenigde Staten. Van de ruim 16.000 knobbeltjes waren er 1249 van kwaadaardige aard. Nadat het algoritme met deze gegevens zijn leertijd had doorlopen, werd het getest op drie grote bestanden met beeldgegevens van knobbeltjes uit de Deense longkanker screeningstudie, de Danish Lung Cancer Screening Trial. Een validatie op een nieuwe dataset is een gebruikelijke stap in het onderzoek, die duidelijk moet maken hoe goed het algoritme functioneert in de praktijk.

Arts en algoritme
Colin Jacobs, onderzoeker bij de afdeling Radiologie en Nucleaire Geneeskunde en coördinator van de studie: “Het deep learning algoritme deed het uitstekend. Het presteerde bijvoorbeeld beter dan het gevestigde Pan-Canadese Early Detection of Lung Cancer-model dat ook het risico inschat op maligniteit van de longknobbels. En het presteerde vergelijkbaar als de elf clinici die de gegevens beoordeelden, onder wie vier longradiologen, vijf radiologen en twee longartsen.”

Voordelen
Kiran Vaidhya Venkadesh, eerste auteur van het artikel en onderzoeker bij de Diagnostic Image Analysis Group van het Radboudumc voegt eraan toe: "Het algoritme kan radiologen helpen bij het nauwkeurig inschatten van de kans op kwaadaardige longknobbeltjes, waardoor de screening op longkanker verder is te optimaliseren.” “Het algoritme verkleint ook de kans op verschillende interpretaties die nu soms tussen radiologen kunnen optreden”, vult Jacobs aan. “Het algoritme kan ook tot minder onnodige diagnostische interventies leiden, en mogelijk een lagere werkdruk voor radiologen en een verlaging van de kosten van longkankerscreening."

Verdere verfijningen
De onderzoekers willen het algoritme verder verbeteren door nog andere gegevens mee te nemen die van invloed kunnen zijn op de diagnose, zoals leeftijd, geslacht en rookgeschiedenis. Het huidige algoritme is zeer geschikt voor het analyseren van knobbeltjes bij de eerste, initiële screening. Jacobs: “Als er bij mensen in volgende screeningsronden knobbeltjes worden gevonden, zijn groei en uiterlijk van die knobbeltjes in vergelijking met de vorige CT belangrijk. We werken nu aan een deep learning-algoritme waarbij de ontwikkeling in die knobbeltjes, gebaseerd op meerdere CT-onderzoeken, ook goed meegenomen worden in de risico-inschatting.”

 

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 ...

Naam auteur en/of bewerkt door: Radboudumc
Fotograaf of fotobureau: : INGImages
Bron bij dit artikel: : Radboudumc
Wat is de URL bij deze bron?: https://www.radboudumc.nl/nieuws/2021/ai-voorspelt-het-risico-op-longkanker
Originele titel: AI voorspelt het risico op longkanker
Doelgroep: Zorgprofessionals, Studenten
Datum: 2021-05-19

Relevante artikelen ...

NGS-onderzoek nodig voor elke longkankerpatiënt Mogelijk honderden longkankerpatiënten overleden zonder dat zij de best mogelijke behandeling kregen Honderden longkankerpatiënten overlijden zonder ... Ziekenhuis Wed, 12 May 2021, 12:18:30
Onnodig maagonderzoek bij patiënten met maagklachten vermeden door e-learning Zo’n maagonderzoek is vervelend voor de patiënt en kan soms zorgen voor complicaties Veel patiënten met maagklachten die worden verwezen voor een maa... Ziekenhuis Wed, 28 Apr 2021, 09:42:37
Aantal kankerdiagnoses gedaald door corona Dit blijkt uit cijfers van de Nederlandse Kankerregistratie, beheerd door het Integraal Kankercentrum Nederland (IKNL) Voor het eerst in 30 jaar is h... Ziekenhuis Wed, 03 Feb 2021, 10:26:21
Minder registratielast en meer kwaliteitsverbeteringen door Zinvolle Registratie Door het reduceren van het aantal registraties ontstaat meer tijd voor het verbeteren van de zorg Gedurende twee jaar werkten verschillende afdelinge... Ziekenhuis Mon, 01 Feb 2021, 11:46:22
Geen sprake van een cytokinestorm bij COVID-19 patiënten De gegevens uit het onderzoek laten zien dat een cytokinestorm niet kenmerkend is voor COVID-19 Ontstekingseiwitten, ook wel cytokines genoemd, spele... Ziekenhuis Sat, 05 Sep 2020, 12:31:24
Bloedtest bij pinda-allergie vaak voldoende Dit is een aanzienlijk mindere belasting voor de kinderen en hun ouders Een goede diagnose van pinda-allergie bij kinderen, kost tot nu toe een pro... Ziekenhuis Thu, 27 Aug 2020, 14:08:33