Van links: Amir Livne, Dr. Gil Shamai en Prof. Ron Kimmel, de computerwetenschappers die het neurale netwerk ontwikkelden dat scans van borstkanker onderzoekt. Foto met dank aan Technion – Israel Institute of Technology via ISRAEL21C
Een neuraal netwerk ontwikkeld door het Technion – Israel Institute of Technology slaagde erin correct te bepalen of een borstkankertumor een eiwit tot expressie brengt dat kan worden gebruikt voor immunotherapiedoeleinden – en waar kunstmatige intelligentie het niet eens was met de conclusie van een menselijke patholoog, bewees een tweede test dat AI juist.
Een op de negen vrouwen in de ontwikkelde wereld zal op een bepaald moment in haar leven de diagnose borstkanker krijgen, waarbij de prevalentie toeneemt als gevolg van factoren zoals een langere levensduur en moderne levensstijlen.
En terwijl gepersonaliseerde immunotherapiebehandelingen in opkomst zijn, neemt het aantal pathologen, of artsen die gespecialiseerd zijn in weefselonderzoek om de specifieke diagnose te stellen die nodig is voor gepersonaliseerde geneeskunde, af.
Dit is waar de Technion onderzoekers tussenbeide kwamen en AI probeerden te gebruiken om het werk van artsen te vereenvoudigen en te verbeteren in een studie die onlangs werd gepubliceerd in het tijdschrift Nature Communications.
Soms maken kankertumoren gebruik van natuurlijke mechanismen die voorkomen dat ons immuunsysteem ons eigen lichaam aanvalt om het te omzeilen. Een van die mechanismen die soms door tumoren worden vertoond, is gerelateerd aan het eiwit PD-L1, dat fungeert als een soort wachtwoord dat het immuunsysteem overtuigt om niet aan te vallen.
Om in dergelijke gevallen de tumor te bestrijden, kan specifieke immunotherapie voor PD-L1 het lichaam ertoe brengen dit wachtwoord te negeren. Maar hoe bepalen pathologen dat de tumor dit eiwit tot expressie brengt? Traditioneel worden dure chemische markers gebruikt om een biopsie van de tumor te kleuren, in een proces dat zowel tijdrovend als enigszins inconsistent is.
De onderzoekers besloten om reeds bestaande biopsiescans te gebruiken voor de diagnose. Ze trainden neurale netwerken door hen digitale biopsiebeelden te presenteren van 3.376 patiënten die waren getagd als wel of niet tot expressie brengend PD-L1. Vervolgens werd het neurale netwerk gevraagd om te bepalen of aanvullende biopsiebeelden van klinische proeven van 275 patiënten positief of negatief waren voor PD-L1.
De resultaten waren beter dan de onderzoekers hadden verwacht: bij 70 procent van de patiënten bepaalde het correct het antwoord, terwijl het bij de andere 30 procent de visuele patronen die nodig waren voor een beslissing niet kon vinden. Bovendien, in gevallen waarin AI het niet eens was met de vaststelling van een patholoog, bewees een tweede test dat het juist was.
"Dit is een gedenkwaardige prestatie", legt Technion computerwetenschapper prof. Ron Kimmel aan ISRAEL21C uit. “De variaties die de computer vond, die zijn niet te onderscheiden voor het menselijk oog. Cellen rangschikken zichzelf anders of ze PD-L1 vertonen of niet, maar de verschillen zijn zo klein dat zelfs een getrainde patholoog ze niet met zekerheid kan identificeren. Nu kan ons neurale netwerk dat.”
"We verwachten dat AI een krachtig hulpmiddel wordt in de handen van artsen", voegde hij eraan toe. “AI kan helpen bij het stellen of verifiëren van een diagnose, het kan helpen de behandeling af te stemmen op de individuele patiënt, het kan een prognose bieden. Ik denk niet dat het de menselijke arts kan of moet vervangen. Maar het kan sommige elementen van het werk van artsen eenvoudiger, sneller en nauwkeuriger maken.”
