Dat zou een belangrijke ontwikkeling zijn. Prostaatkanker is immers de frequentste kanker bij de man. Naar schatting worden wereldwijd jaarlijks gemiddeld ongeveer 1,1 miljoen gevallen van prostaatkanker gediagnosticeerd. Normaal moet de diagnose worden bevestigd door een biopsie en het biopt moet door een ervaren patholoog worden geanalyseerd en geïnterpreteerd.

Als de resultaten die Chengwei Zhang (foto) heeft gepresenteerd op het 33e jaarlijkse congres van de Europese Vereniging voor Urologie (EAU 2018) in Kopenhagen, worden bevestigd, zou dat een oplossing kunnen vormen voor een eventueel plaatselijk tekort aan gekwalificeerde pathologen. Het systeem zou bovendien de agressiviteit van de kanker zeer goed inschatten, waardoor de variabiliteit die inherent is aan een interpretatie door de mens, wordt uitgesloten. Op langere termijn zou dat kunnen leiden tot een geheel of gedeeltelijk geautomatiseerde diagnose van prostaatkanker.

Science fiction of werkelijkheid?

De onderzoekers hebben de resultaten gepresenteerd van een analyse van beelden van 918 histologische coupes van 283 patiënten bij wie een laparoscopische robotgeassisteerde totale prostatectomie werd uitgevoerd. Van de beelden van de coupes werden 40.000 staaltjes gemaakt, waarvan er 30.000 werden gebruikt om het systeem op te leiden (machine learning) zodat het almaar beter werkte. De 10.000 andere staaltjes werden gebruikt om de diagnostische betrouwbaarheid te bepalen. Die bleek uitstekend: in 99,38% van de gevallen strookte het resultaat met de diagnose van de patholoog.

Op een beperkt aantal histologische coupes (n = 10) had het systeem ook de gleasonscore kunnen bepalen en die score strookte ook met de score van de patholoog.

Artificiële intelligentie gaat er met rassé schreden op vooruit. Denk bijvoorbeeld aan gezichtsherkenning met een smartphone en zelfrijdende auto's. Deze studie bewijst dat ook de detectie en de diagnose van kanker baat kunnen vinden bij artificiële intelligentie. De bestaande geautomatiseerde systemen hebben maar een beperkte klinische waarde. Deze studie toont echter aan dat automatisering kan uitmonden in een precieze detectie en diagnose van prostaatkanker.

Dr. Hongqian Guo, hc
Dr. Hongqian Guo © hc

"Dat betekent daarom nog niet dat er geen pathologen meer nodig zijn", verklaarde Hongqian Guo, Nanjing, China (foto), hoofd van het onderzoek. "We hebben nog altijd een ervaren patholoog nodig die de verantwoordelijkheid moet nemen voor de uiteindelijke diagnose. Met het op artificiële intelligentie gebaseerde systeem kunnen we echter een groter volume verwerken met een even hoge betrouwbaarheid en met mogelijk meer uniformiteit bij het diagnosticeren van kanker dan bij analyse door verschillende pathologen, in verschillende ziekenhuizen en verschillende landen doordat de variatie die inherent is aan onderzoek door de mens, dan wegvalt."

C Zhang et al. EAU 2018, Kopenhagen 16-20 maart. Poster Session 17 #213

Dat zou een belangrijke ontwikkeling zijn. Prostaatkanker is immers de frequentste kanker bij de man. Naar schatting worden wereldwijd jaarlijks gemiddeld ongeveer 1,1 miljoen gevallen van prostaatkanker gediagnosticeerd. Normaal moet de diagnose worden bevestigd door een biopsie en het biopt moet door een ervaren patholoog worden geanalyseerd en geïnterpreteerd.Als de resultaten die Chengwei Zhang (foto) heeft gepresenteerd op het 33e jaarlijkse congres van de Europese Vereniging voor Urologie (EAU 2018) in Kopenhagen, worden bevestigd, zou dat een oplossing kunnen vormen voor een eventueel plaatselijk tekort aan gekwalificeerde pathologen. Het systeem zou bovendien de agressiviteit van de kanker zeer goed inschatten, waardoor de variabiliteit die inherent is aan een interpretatie door de mens, wordt uitgesloten. Op langere termijn zou dat kunnen leiden tot een geheel of gedeeltelijk geautomatiseerde diagnose van prostaatkanker.Science fiction of werkelijkheid? De onderzoekers hebben de resultaten gepresenteerd van een analyse van beelden van 918 histologische coupes van 283 patiënten bij wie een laparoscopische robotgeassisteerde totale prostatectomie werd uitgevoerd. Van de beelden van de coupes werden 40.000 staaltjes gemaakt, waarvan er 30.000 werden gebruikt om het systeem op te leiden (machine learning) zodat het almaar beter werkte. De 10.000 andere staaltjes werden gebruikt om de diagnostische betrouwbaarheid te bepalen. Die bleek uitstekend: in 99,38% van de gevallen strookte het resultaat met de diagnose van de patholoog.Op een beperkt aantal histologische coupes (n = 10) had het systeem ook de gleasonscore kunnen bepalen en die score strookte ook met de score van de patholoog.Artificiële intelligentie gaat er met rassé schreden op vooruit. Denk bijvoorbeeld aan gezichtsherkenning met een smartphone en zelfrijdende auto's. Deze studie bewijst dat ook de detectie en de diagnose van kanker baat kunnen vinden bij artificiële intelligentie. De bestaande geautomatiseerde systemen hebben maar een beperkte klinische waarde. Deze studie toont echter aan dat automatisering kan uitmonden in een precieze detectie en diagnose van prostaatkanker. "Dat betekent daarom nog niet dat er geen pathologen meer nodig zijn", verklaarde Hongqian Guo, Nanjing, China (foto), hoofd van het onderzoek. "We hebben nog altijd een ervaren patholoog nodig die de verantwoordelijkheid moet nemen voor de uiteindelijke diagnose. Met het op artificiële intelligentie gebaseerde systeem kunnen we echter een groter volume verwerken met een even hoge betrouwbaarheid en met mogelijk meer uniformiteit bij het diagnosticeren van kanker dan bij analyse door verschillende pathologen, in verschillende ziekenhuizen en verschillende landen doordat de variatie die inherent is aan onderzoek door de mens, dan wegvalt."C Zhang et al. EAU 2018, Kopenhagen 16-20 maart. Poster Session 17 #213