AI helpt bij longkankerscreening: veertig procent minder vals-positieve uitslagen Grote stap vooruit voor longkankerscreening dankzij AI

Onderzoekers van het Radboudumc hebben AI ontwikkeld die het aantal vals-positieve uitslagen van longkankerscreening met veertig procent vermindert. Vals-positieve uitslagen leiden tot onnodige vervolgscans, extra kosten en angst bij patiënten. ‘We zijn overtuigd van de baten van longkankerscreening, maar de lasten moeten we terugdringen. Dit is een grote stap vooruit.’

Longkanker is wereldwijd de dodelijkste vorm van kanker: het veroorzaakt bijna 25 procent van alle sterfte door kanker. Eerdere studies laten zien dat preventief screenen van risicogroepen via bevolkingsonderzoek sterfte met bijna een kwart kan verminderen, omdat de ziekte dan vaak in een eerder stadium wordt ontdekt. De Verenigde Staten en een aantal Europese landen passen bevolkingsonderzoek naar longkanker al toe.

Minder fout-positieven is noodzakelijk

Een bevolkingsonderzoek voor longkanker in Nederland zal een flinke werklast voor radiologen betekenen. Een andere uitdaging is de beoordeling van CT-scans: eerdere studies hebben laten zien dat er veel longplekjes zichtbaar zijn die leiden tot een positieve screening test, maar een groot deel blijkt uiteindelijk goedaardig te zijn. Zulke vals-positieve uitslagen leiden tot extra onderzoeken, hogere kosten en onnodige zorgen bij patiënten. ‘Als we screening in Nederland gaan invoeren, is het noodzakelijk het aantal vals-positieven zo ver mogelijk terug te dringen,’ zegt Colin Jacobs, onderzoeksgroepleider bij de afdeling Beeldvorming van het Radboudumc. ‘AI kan hier uitkomst bieden door voor elk plekje het kankerrisico nauwkeuriger in te schatten, zodat onnodige vervolgonderzoeken afnemen.’

Algoritme trainen met bestaande scans

Daarom valideerde onderzoeker Noa Antonissen een AI-model, ontwikkeld in het Radboudumc. ‘Ons model is getraind op Amerikaanse longkankerscreeningsdata met ruim 16.000 longplekjes op CT-scans, waarvan meer dan 1.000 kwaadaardig. Het model maakt van elk plekje een soort 3D-plaatje. Op basis daarvan berekent de AI de kans dat het plekje kwaadaardig is’, vertelt Antonissen.

Vervolgens testten de onderzoekers het AI-model op beelden van grote internationale studies uit Nederland, België, Denemarken en Italië. Daarbij vergeleken ze de prestaties van het AI-model met een veelgebruikt risicomodel (het PanCan model). Vooral bij de moeilijke groep plekjes van 5 tot 15 millimeter bleek AI duidelijk beter: het aantal vals-positieve uitslagen ging omlaag met veertig procent, terwijl alle gevallen van kanker wél werden gevonden.

Belangrijke stap richting praktijk

Deze studie van het Radboudumc laat zien dat AI een grote rol kan spelen en screening efficiënter kan maken. Antonissen: ‘Met dit onderzoek laten we zien dat AI een belangrijk hulpmiddel kan zijn om longkankerscreening effectiever te maken. We behouden de voordelen en verminderen de lasten voor patiënten en zorg. De volgende stap is om dit ook in de praktijk te gaan bewijzen.’

Over deze publicatie

Dit onderzoek is gepubliceerd in Radiology: External Test of a Deep Learning Algorithm for Pulmonary Nodule Malignancy Risk Stratification Using European Screening Data. N. Antonissen, K. Vaidhya Venkadesh, R. Dinnessen, E. Scholten, Z. Saghir, M. Silva, MD, U. Pastorino, G. Sidorenkov, M. Heuvelmans, G. de Bock, F. Hoesein,  P. de Jong, H. Groen, R. Vliegenthart, H. Gietema, M. Prokop, C. Schaefer-Prokop, C. Jacobs, for the NELSON-POP consortium. DOI: 10.1148/radiol.250874.

• Meer weten over deze onderwerpen? Klik dan via onderstaande buttons door naar meer nieuws.

  Nieuws homepage Patientenzorg en Nieuws en verhalen