Een onderzoeksteam onder leiding van de Harvard Medical School heeft een tool met artificiële intelligentie ontwikkeld die in realtime en met een nauwkeurigheid van bijna 100% twee hersentumoren kan onderscheiden die vaak met elkaar worden verward: glioblastoom en primair lymfoom van het centrale zenuwstelsel (PCNSL). De resultaten zijn gepubliceerd in Nature Communications .
Het systeem, PICTURE (Pathology Image Characterization Tool with Uncertainty-aware Rapid Evaluations) genaamd, analyseert beelden van bevroren coupes die tijdens een chirurgische ingreep zijn gemaakt. Het maakt het mogelijk om onmiddellijk therapeutische beslissingen te nemen: al dan niet het tumorweefsel verwijderen, afhankelijk van of het gaat om een glioblastoom – de meest voorkomende en agressieve hersentumor – of een lymfoom, dat daarentegen met bestraling en chemotherapie moet worden behandeld.
“Ons model kan diagnostische fouten verminderen door tumoren met zeer vergelijkbare kenmerken van elkaar te onderscheiden en clinici te helpen bij het kiezen van de meest geschikte behandeling”, legt dr. Kun-Hsing Yu uit, universitair hoofddocent biomedische informatica aan de Harvard Medical School en patholoog aan het Brigham and Women's Hospital.
Een betrouwbaardere intraoperatieve diagnose
Tijdens een hersenoperatie blijft de snelle beoordeling van bevroren weefsel een essentiële, maar foutgevoelige stap: volgens dr. Yu wordt de initiële diagnose in bijna één op de twintig gevallen gecorrigeerd na definitieve analyse. AI PICTURE, getest in vijf ziekenhuizen in vier landen op meer dan 2.100 pathologische preparaten, presteerde beter dan zowel menselijke pathologen als andere bestaande artificiële intelligentie-modellen.
De tool heeft een unieke functie: een onzekerheidsdetector die aangeeft wanneer hij niet zeker is van zijn analyse, waardoor wordt voorkomen dat bepaalde tumoren ten onrechte in een verkeerde categorie worden ingedeeld. Deze algoritmische voorzichtigheid is cruciaal in een domein waar de Wereldgezondheidsorganisatie meer dan honderd subtypes van hersentumoren heeft geregistreerd.
Een hulpmiddel bij besluitvorming en opleiding
In de uitgevoerde tests onderscheidde PICTURE in meer dan 98% van de gevallen correct glioblastomen van PCNSL's, ook bij monsters van patiënten die niet in de trainingsset van het model waren opgenomen. Het identificeerde ook tumoren die behoren tot 67 andere soorten kanker van het centrale zenuwstelsel.
Voor onderzoekers zou het instrument zowel kunnen dienen als diagnostische ondersteuning in operatiekamers als pedagogisch platform voor jonge pathologen. De inzet ervan zou ook het tekort aan experts in neuropathologie kunnen compenseren, een zeer gespecialiseerde discipline die ongelijk verdeeld is over de wereld.
Het model moet nog worden gevalideerd op meer diverse populaties, aangezien het merendeel van de geanalyseerde monsters afkomstig is van blanke patiënten. De auteurs zijn van plan het toepassingsgebied uit te breiden naar andere hersentumoren, door genetische en moleculaire gegevens te integreren om de classificatie te verfijnen.
