Op een groot scherm in een vergaderruimte van de TU Eindhoven laat elektrisch ingenieur Fons van der Sommen zien hoe het opsporen van kanker met kunstmatige intelligentie (AI) werkt. Het beeld links toont hoe een slokdarm er door een endoscoop uitziet; het beeld rechts is gearceerd met AI. Een kader geeft aan waar de software een verdacht plekje detecteert. Het weefsel is bobbelig en heeft een gelige kleur.

De software is ontwikkeld voor patiënten met een zogeheten Barrett-slokdarm, legt Van der Sommen uit. Bij deze aandoening is –als gevolg van jarenlang terugstromen van brandend maagzuur– roze gekleurd weefsel ontstaan in een deel van de slokdarm, dat daardoor lijkt op darmslijmvlies.

Omdat deze patiënten een verhoogd risico op slokdarmkanker lopen, worden ze regelmatig gescreend door een maag-darm-leverarts (mdl-arts). Daarbij voert de arts een kijkonderzoek uit en neemt hij biopten voor controle in het lab. Als blijkt dat de patiënt kanker heeft, wordt hij doorgestuurd voor behandeling in een van de acht expertisecentra in Nederland.

De specialisten in de expertisecentra uitgezonderd, hebben de meeste mdl-artsen weinig ervaring met een Barrett-slokdarm. Daardoor herkennen ze slokdarmkanker bij deze patiënten vaak niet zo goed. „Met AI willen we het niveau van de gewone mdl-arts optillen naar dat van een expert”, verklaart Van der Sommen.

Mijlpaal

Kunstmatige intelligentie blijkt het vinden van slokdarmkanker aanzienlijk te verbeteren. Terwijl de gemiddelde mdl-arts kanker op de foto in 74 procent van de gevallen correct herkent, stijgt deze score naar 88 procent wanneer hij assistentie krijgt van beeldherkenning. Op videobeelden –die lastiger te analyseren zijn dan gefixeerde foto’s– verbetert zijn herkenning van 67 procent zonder AI naar 79 procent mét.

Afgelopen december publiceerde Van der Sommen, samen met een internationaal consortium onder leiding van dr. Jacques Bergman (Amsterdam UMC) en prof. Peter de With (TU/e), deze resultaten in het vooraanstaande wetenschappelijke tijdschrift The Lancet Digital Health. De onderzoeker, die zich inmiddels tien jaar bezighoudt met AI bij Barrett-slokdarm, ziet de publicatie als een belangrijke mijlpaal in zijn carrière.

Opmerkelijk is dat de software zónder arts nog beter presteert: 95 procent op de foto tot 97 procent op de video. Volgens Van der Sommen komt dat doordat artsen waarschuwingen van de software soms in de wind slaan. Hij vindt dat niet vreemd. „AI maakt ook fouten. Daardoor kunnen artsen hun vertrouwen erin verliezen. Als de software dan een signaal geeft, kan de arts denken dat het een fout van het programma is.”

Beste apparatuur

De vraag is of de hoge percentages in de praktijk gehaald gaan worden. Het algoritme –een wiskundige formule– achter de beeldherkenningssoftware is getraind op duizenden foto’s van de slokdarm, waarop de ene keer gezond weefsel staat en de andere keer kankerweefsel. Veel van deze foto’s zijn gemaakt in expertisecentra, waar artsen beschikken over de beste apparatuur. Van der Sommen: „Als we zo’n algoritme vervolgens testen in een klein ziekenhuis waar artsen minder ervaring hebben en over minder goede apparatuur beschikken, zien we dat het slechter werkt.”

De ingenieur onderzoekt nu hoe het algoritme zo robuust kan worden gemaakt dat het in alle ziekenhuizen goed presteert. Dat doet hij onder meer door de software bij verschillende merken endoscopen te testen. Voor het onderzoek ontving hij een Veni-beurs van de Nederlandse Organisatie voor Wetenschappelijk Onderzoek.

Een belangrijke horde die nog moet worden geslecht, is de beoordeling door instanties als de FDA. „Zij worstelen met de regulering van AI”, merkt Van der Sommen, die op congressen vertegenwoordigers van onder meer de FDA sprak. „Ze vragen me bijvoorbeeld welk bewijs er nodig is om goedkeuring te kunnen geven. Het lastige met zo’n algoritme is dat het misschien wel in het ene ziekenhuis werkt, maar niet in het andere. Door bijvoorbeeld verschillen tussen de artsen en de gebruikte apparatuur.”

De onderzoeker heeft wel een idee hoe het toezicht kan worden vormgegeven. „Voor de FDA is het niet behapbaar om bij elk ziekenhuis te onderzoeken of het algoritme daar goed functioneert. Hierin zouden de grote beroepsverenigingen een rol kunnen spelen.”

CT-scan

Volgens Van der Sommen kan beeldherkenning ook bij andere kankersoorten toegepast worden. Hij begeleidt promovendi die onderzoek doen naar het gebruik van kunstmatige intelligentie bij het opsporen van kanker in de longen, alvleesklier, darmen, prostaat en eierstokken. Bij die kankertypes gaat het meestal niet om endoscopische beelden –zoals bij Barrett-slokdarm– maar om CT-scans. Beeldherkenning op CT-scans brengt volgens de onderzoeker weer haar eigen uitdagingen met zich mee.

Beeldherkenningssoftware is volgens Van der Sommen vooral zinvol bij kankers waarop wordt gescreend in bevolkingsonderzoek, zoals borst- en darmkanker. „Dan gaat het om tienduizenden beelden, die stuk voor stuk moeten worden geanalyseerd. AI kan dan veel tijd besparen. Kunstmatige intelligentie heeft ook meerwaarde als afwijkingen slecht te zien zijn voor het menselijk oog.”

Missie

Van der Sommen doet ook onderzoek naar zogeheten opportunistische screening. „Stel je komt met een gebroken rib in het ziekenhuis en je krijgt een CT-scan. Dan kan de arts besluiten om voor de zekerheid je longen te controleren op kanker.”

In een studie in het Catharina Ziekenhuis in Eindhoven bleken van de 1200 mensen die om verschillende redenen in het ziekenhuis kwamen, er 20 te zijn met een afwijking in de longen. Van hen had slechts een enkeling longkanker. „Dat is dus een hele lage incidentie. Een radioloog heeft mogelijk geen zin om al die 1200 scans te bekijken, omdat bijna niemand wat heeft. Maar een computer heeft daar geen problemen mee. Al moet je wel zorgen dat je niet te veel foutpositieven krijgt, waarbij er achteraf niets aan de hand is.”

De wetenschapper komt zeer gedreven over. In 2017 promoveerde hij cum laude op zijn onderzoek naar het gebruik van AI bij het diagnosticeren van slokdarmkanker. Momenteel begeleidt hij zo’n tien promovendi en heeft hij contacten met vijftien ziekenhuizen. Zijn motivatie komt voort uit een persoonlijke ervaring, vertelt hij. „Mijn vader is ruim tien jaar geleden overleden aan kanker. Op dat moment was ik op zoek naar een afstudeerproject. Toen kwam dit op mijn pad. Ik dacht: als ik mijn kennis op het gebied van beeldherkenning nou kan gebruiken om artsen te helpen bij het vinden van kanker, zou dat heel waardevol zijn. Al red ik maar één leven, dan is mijn missie voltooid.”