Computer voorspelt risico op borstkanker
Met artificiële intelligentie kan software herkennen of borstweefsel er verdacht uitziet én een inschatting maken van het risico op borstkanker binnen de twee jaar. ‘Maar de computer zal nooit beslissen hoe een patiënt behandeld wordt.’
Vanaf deze week zullen in het AZ Klina (Brasschaat) de radiologische beelden van borsten, gemaakt om kanker op te sporen, niet langer alleen door artsen geanalyseerd worden. Ook een computer zal de beelden beoordelen. Die zal de verdachte zones aanduiden (en aangeven hoe verdacht ze zijn). De computer zal ook zeggen hoe groot het risico van een vrouw is om binnen de twee jaar borstkanker te krijgen.
Achter de software, gecommercialiseerd door het Amerikaanse bedrijf iCad en zijn Belgische vehikel RMS Medical Devices, schuilt deep learning, een methode van artificiële intelligentie. De uitrol is een verdere stap in de brede toepassing van artificiële intelligentie in de gezondheidszorg.
‘Moeilijke’ borsten
‘Wij zullen de software gebruiken bij alle borstonderzoeken, in het bijzonder voor de analyse van tomosynthese. Dat zijn opnames van wat we “moeilijke” borsten noemen. Die kunnen we niet met eenvoudige mammografieën onderzoeken, omdat ze veel klierweefsel bevatten en heel dens zijn’, zegt Isabelle Biltjes, als radiologe aan het AZ Klina gespecialiseerd in mammografie. ‘Zulke opnames maken we zeker bij de helft van de patiënten. Bij een tomosynthese worden per patiënt gemiddeld tussen 240 en 320 beelden, eigenlijk doorsneden van 1 millimeter, genomen. De analyse is veel omvangrijker dan bij de klassieke mammografie, waarbij slechts twee beelden per borst worden genomen. Hulp – zeker als beelden van de tomosynthese niet eenduidig zijn – is dus zeer welkom.’
Om het algoritme te ‘trainen’ werd een computer met miljoenen radiologische beelden van borsten gevoed, waarbij bekend was of de vrouw borstkanker had of later borstkanker heeft gekregen. Het algoritme kon zo leren wat typische patronen zijn van kanker of een voorstadium van kanker.
Het algoritme kan snel en betrouwbaar subtiele veranderingen ontdekken, die ook voor het menselijke oog herkenbaar zijn, maar beoordeelt wel beter of ze écht wijzen op een voorloper van kanker. Die informatie wordt gecombineerd met andere gegevens van de vrouw, zoals de leeftijd en de densiteit van het borstweefsel.
De software, die ook in een drietal andere Belgische centra wordt gebruikt, heeft niet tot doel radiologen te vervangen. Uit onderzoek blijkt dat hij bij de opsporing van borstkanker wel een goed hulpmiddel is voor artsen. De computer zet rode vlaggen bij verdachte regio’s op foto’s, waardoor de hele beoordeling per patiënt minder lang duurt dan wanneer de radiologen het allemaal zelf moeten zien. De kans dat ze verdachte gevallen er effectief uithalen, stijgt, het risico op vals alarm daalt.
Wat de computer wél volledig autonoom en los van de radioloog doet, is de inschatting van het risico om binnen de twee jaar borstkanker te krijgen. Die risicobepaling is samen met het Zweedse Karolinska Institutet ontwikkeld. ‘Tot dusver hadden we geen nauwkeurige tools ter beschikking om dat risico te bepalen’, zegt Biltjes. ‘De risicoanalyse biedt wel grote kansen, want bij een hoog risico kunnen we vrouwen sneller laten terugkomen voor een follow-up.’
Isabelle Biltjes
Zijn de radiologen niet bang dat hiermee hun werk stilaan wordt overgenomen door computers? Neen, zegt professor Rik Achten, die de dienst radiologie van het UZ Gent leidt en zelf aan de ontwikkeling van artificiële intelligentie voor de analyse van hersenscans werkt. ‘Vijf jaar geleden leefde die bezorgdheid bij radiologen, maar die tijd is voorbij. De hoeveelheid data blijft maar toenemen, want er worden almaar meer radiologische beelden per patiënt genomen. Vandaag doen radiologen ook veel meer dan beelden analyseren. We zijn bijvoorbeeld betrokken bij het multidisciplinair overleg over de behandeling van een patiënt.’
Arts behoudt controle
‘Met artificiële intelligentie en deep learning kunnen sinds kort algoritmen ontwikkeld worden uit de grote hoeveelheid beelden die we ter beschikking hebben’, zegt Achten. ‘Die kunnen ons werk ondersteunen. De computer zal evenwel niet autonoom beslissen wat er moet gebeuren met een patiënt.
Als arts houden wij de controle.’
Nu er almaar meer systemen met artificiële intelligentie voor artsen en ziekenhuizen op de markt komen, is het volgens Achten wel belangrijk om goede standaarden te ontwikkelen rond wat goede software is. ‘Zodat er geen grote afwijkingen zijn tussen softwarepakketten die eigenlijk hetzelfde resultaat zouden moeten geven. Over hoe de standaarden eruit moeten zien, wordt op dit moment volop gediscussieerd.’
Computers blijken ook niet onfeilbaar. Achten: ‘In ons ziekenhuis werken we op de spoeddienst met artificiële intelligentie om bij een patiënt snel uitsluitsel te krijgen of hij of zij al dan niet een hersenbloeding, een wer velfractuur of een longembolie heeft. Die software werkt goed voor de hersenbloedingen en de longembolieën, maar niet voor de wervelfracturen. We zijn nu in overleg met de producent om het beter te krijgen.’
Ook Biltjes zegt dat ze het lot van haar patiënten niet zomaar in de handen van de computer zal leggen. ‘De eerste maanden wil ik de software vooral gebruiken ná mijn eigen beoordeling van de beelden. Heb ik, ondanks mijn jarenlange ervaring bij de opsporing van borstkanker, iets over het hoofd gezien dat de computer wél heeft gevonden? We willen onze ervaringen systematisch bijhouden en aan een klinische studie koppelen, zodat we een goed beeld krijgen van de meerwaarde van artificiële intelligentie.’
‘De eerste maanden wil ik de software vooral gebruiken ná mijn eigen beoordeling van de beelden’
AZ Klina