Diagnose baarmoederkanker verbeterd door artificial intelligence

DNA-veranderingen in een tumor zijn bepalend voor het gedrag van de tumor en het beloop van de ziekte

Op microscopiebeelden van een tumor zien welke DNA-veranderingen er in de tumor zitten, en zo bepalen welk type baarmoederkanker de patiënt heeft. Dat is voor een mensenoog onmogelijk. Daarom riepen pathologen van het Leids Universitair Medisch Centrum (LUMC) de hulp in van artificial intelligence (AI). En met succes. Lees hier hoe de resultaten, verschenen in The Lancet Digital Health, de diagnostiek en behandeling van baarmoederkanker kunnen verbeteren.

DNA-veranderingen in een tumor zijn bepalend voor het gedrag van de tumor en het beloop van de ziekte, zoveel is de afgelopen jaren duidelijk geworden, mede door werk in het LUMC. Er zijn vier type baarmoederkanker te onderscheiden, met elk een ander ziektebeloop. Het is belangrijk voor patiënt en arts om te weten om welk type tumor het gaat, maar op dit moment zijn hiervoor kostbare, aanvullende DNA-testen nodig. Pathologen vroegen zich af of deze ‘moleculaire’ typen baarmoederkanker ook te onderscheiden zijn onder de microscoop.

Artificial intelligence voorspelt DNA-veranderingen
Daarvoor gebruikten ze microscopiebeelden van baarmoederkanker van ruim 2000 vrouwen die deelnamen aan de klinische PORTEC studies, gecoördineerd vanuit het LUMC door hoogleraar Carien Creutzberg. Al deze patiënten zijn geopereerd en hebben toestemming gegeven om het restmateriaal te gebruiken voor wetenschappelijk onderzoek. Met deze unieke verzameling beelden maakten onderzoekers van de afdeling Pathologie een AI-model dat DNA-afwijkingen, en daarmee verschillende baarmoederkankertypen, voorspelt. Belangrijk hierbij is dat het model de onderzoekers toont waar de visuele informatie voor de voorspellingen verborgen ligt in het weefsel. Het is dus niet een black-box, zoals andere AI-modellen.

Diagnose baarmoederkanker verbeteren
“De toepassing van AI op microscopiebeelden staat nog in de kinderschoenen. Door deze studie wilden we meer te weten komen over de relatie tussen het uiterlijk van de tumor en de onderliggende DNA-veranderingen. Met dit werk hebben we geleerd welke gebieden in de tumoren de belangrijkste visuele informatie bevatten voor diagnostiek, en waar pathologen zich dus op moeten focussen”, zegt Sarah Fremond, PhD-student bij de Pathologie.

Baarmoederkanker is de meest voorkomende tumor van de vrouwelijke geslachtsorganen. Binnen het LUMC wordt veel onderzoek gedaan naar dit type tumor. Deze studie draagt volgens de onderzoekers bij aan de verdere verbetering van de diagnostiek en behandeling van baarmoederkanker. “Als volgende stap gaat ons team nu een AI-model ontwikkelen dat de kans op uitzaaiingen kan voorspellen”, voegt Tjalling Bosse, patholoog, toe.

Lees het hele artikel in The Lancet Digital Health.

Dit werk is gefinancierd door het Hanarth Fonds en is uitgevoerd is nauwe samenwerking met de Universiteit van Zürich.

Tags bij dit artikel:

• diagnostiek
• DNA
• baarmoederkanker
• LUMC
• Voorspellen
• tumor
• uitzaaiingen