Een studie die op 22 september 2026 in Nature Medicine verscheen, beschrijft EAGLE, een AI-model dat slokdarmkanker en precancereuze letsels kan opsporen op CT-scans van de thorax zonder contrastmiddel, ook bij een lage stralingsdosis. De studie omvatte gegevens van meer dan 80.000 patiënten.
Wereldwijd werden in 2022 ongeveer 511.000 nieuwe gevallen van slokdarmkanker en 445.000 sterfgevallen geregistreerd. De prognose blijft slecht, vooral omdat de ziekte vaak pas in een gevorderd stadium wordt vastgesteld en de meeste landen geen georganiseerd screeningsprogramma hebben. Endoscopie blijft het referentieonderzoek, maar is invasief en wordt weinig aanvaard als screeningsmethode op grote schaal. CT-onderzoek van de thorax zonder contrastmiddel is ruim beschikbaar, maar de slokdarm laat zich op die beelden moeilijk beoordelen. Het buisvormige orgaan is vaak samengevallen en onderhevig aan bewegingen van het hart, waardoor kleine letsels moeilijk te herkennen zijn.
Meer dan 80.000 patiënten in drie landen
EAGLE werd ontwikkeld door een consortium van Chinese onderzoekscentra, waaronder het Sun Yat-sen University Cancer Center en het Sichuan Cancer Hospital. Het model werd getraind op gegevens van 6.813 patiënten uit twee centra en vervolgens gevalideerd in 12 centra in China, Tsjechië en Australië, met in totaal 80.612 patiënten.
In de externe validatiecohorten (acht centra, 11.466 patiënten) behaalde het model een specificiteit van 98,5%, een sensitiviteit van 90,0% voor slokdarmkanker en 52,5% voor hooggradige precancereuze letsels. De prestaties bleven vergelijkbaar bij lagedosis-CT-scans die worden gebruikt voor longkankerscreening. Dat opent perspectieven om met één onderzoek zowel long- als slokdarmkanker op te sporen.
In de klinische praktijk verminderde een herkalibratie op basis van 35.402 patiënten het aantal fout-positieve resultaten met 72,7%, zonder verlies aan sensitiviteit. Bij een prospectieve validatie in een ziekenhuis met 17.446 patiënten werd ongeveer 0,5% van de onderzoeken als verdacht aangemerkt. De positief voorspellende waarde bedroeg 42,2%. In een screeningscohort van 10.959 personen die een lagedosis-CT ondergingen, bedroeg de specificiteit 99,94%.
Meetbare ondersteuning voor radiologen
In een leesstudie met 17 radiologen steeg de gemiddelde sensitiviteit dankzij ondersteuning door het AI-model van 71,9% naar 85,7% en de specificiteit van 79,6% naar 91,7%.
Een simulatie binnen een endoscopisch screeningsprogramma suggereert bovendien dat een voorafgaande selectie met EAGLE ongeveer twee derde van de endoscopieën zou kunnen vermijden, terwijl het detectiepercentage zou verdrievoudigen.
Belangrijke beperkingen
De auteurs wijzen erop dat de onderzochte populaties voornamelijk uit China afkomstig zijn, met een overwicht aan plaveiselcelcarcinomen. Een bredere validatie is nodig in regio's waar adenocarcinomen vaker voorkomen, zoals West-Europa.
De sensitiviteit ligt lager bij vrouwen en de detectie van stadium I-tumoren bedraagt in de externe cohorten ongeveer 60%. De prospectieve opvolging blijft beperkt tot minder dan twee jaar en het mogelijke voordeel van een voorafgaande selectie voor endoscopie is voorlopig alleen in een simulatie aangetoond.
De code van het model valt onder octrooibescherming en de onderzoeksgegevens zijn niet publiek toegankelijk.
