Pathologisch onderzoek aan een paraffine-coupe. Achtergrond: microscopische beeldschermweergave van de onderzochte klier
Toepassing van kunstmatige intelligentie voor pathologisch onderzoek versnelt het werk en verbetert de kwaliteit van diagnostiek. Dit blijkt uit onderzoek van het UMC Utrecht. Met een steeds grotere rol voor AI verandert ook het werk van pathologen: minder routine, meer diepgang.
AI blijkt zich in het pathologielab van het UMC Utrecht in de praktijk uit te betalen in de vorm van tijdsbesparing en kwaliteitsverbeteringen. Klinisch epidemioloog en arts-onderzoeker Carmen van Dooijeweert zet hier kunstmatige intelligentie in voor het opsporen van borstkankeruitzaaiingen met behulp van een slim algoritme. Research-analist Sven van Kempen gebruikt AI om de kwaliteit van immunohistochemische kleuringen nauwkeurig te bewaken.
Uitzaaiingen opsporen in coupes
AI blijkt wel 30% tijd te besparen bij onderzoek van de schildwachtklier naar mogelijke uitzaaiingen bij borstkanker. Deze klier is de eerste plek waar tumorcellen terechtkomen bij een eventuele uitzaaiing. Pathologen snijden de weggenomen klier in flinterdunne coupes en gebruiken beeldanalyse voor de screening op verdachte cellen. Lijkt de klier schoon, dan volgt aanvullend onderzoek met kleuringen om mogelijke tumorspecifieke eiwitten zichtbaar te maken. “Dit is prognostisch een belangrijke bepaling”, legt Van Dooijeweert uit. “Als er tumorcellen in de klier zitten, zegt dat iets over de kans op verdere uitzaaiing. Dat bepaalt mede de vervolgbehandeling van de patiënt.”
tk1 Die kleuringen zijn kostbaar en arbeidsintensief. “Gemiddeld maken we per lymfeklier vijf coupes en één kleuring kost zo’n 25 euro. Per patiënt ben je al snel ruim honderd euro kwijt. Gelukkig vinden we bij twee op de drie vrouwen geen uitzaaiingen, maar je bent dan wel veel kleuringen verder.”
Sneller scannen met AI-algoritme
Het team toonde in een studie aan met toepassing van een AI-algoritme met minder kleuringen tot een sneller en vergelijkbaar resultaat te kunnen komen. Deze applicatie van Visiopharm, de ‘Metastasis Detection’-app, scant lymfekliercoupes en markeert verdachte gebieden met kleurcodes: rood voor vrijwel zeker tumor, oranje voor verdacht en geel voor extra aandacht. “De patholoog kijkt daarna gericht naar die plekken”, vertelt Van Dooijeweert. “Daardoor hoeft niet meer de hele coupe te worden beoordeeld.”
Het resultaat: pathologen werken een derde sneller, missen geen relevante uitzaaiingen en kunnen het aantal dure kleuringen aanzienlijk verminderen. Bovendien levert het voor de pathologen meer werkplezier op. “Het beoordelen van de lymfeklieren is voor pathologen saai werk; dit is bij uitstek een toepassing waar ze blij mee zijn.”
“AI zit straks in bijna elke stap van het proces, maar de patholoog blijft eindverantwoordelijk”
Klinisch epidemioloog en arts-onderzoeker Carmen van Dooijeweert
tk2 AI-controle immunokleuringen
Waar Van Dooijeweert zich richt op efficiëntie, gebruikt Van Kempen AI om de kwaliteit van immunohistochemische kleuringen te bewaken. Ook hij gebruikt een algoritme van Visiopharm, ‘Qualitopix’, om de kleurintensiteit van zogenaamde controlecoupes te meten. Dit is oud patiëntenweefsel dat op de coupes wordt meegenomen, samen met het te testen biopt. “Bij elke immunokleuring gebruikten we dat ter controle”, legt Van Kempen uit. “Maar dat weefsel raakt op en kan in samenstelling variëren. Daarom werken we nu met gestandaardiseerde cellijnen. Het AI-algoritme beoordeelt de kleursterkte van deze controles en kan variaties of fouten in de kleuringen detecteren die met het blote oog lastig te zien zijn. Zo weten we dus veel beter wanneer de kwaliteit van de kleuring onvoldoende is.”
Preciezer diagnosticeren
Toen het team de methode testte, ontdekten ze onverwachte fluctuaties tussen kleuringen, zelfs bij identieke kleuringen. “We zagen verschillen tussen machines en zelfs tussen posities op één stainer”, zegt Van Kempen. “Na een grondige onderhoudsbeurt waren de resultaten ineens weer stabiel. Dat liet zien dat dit algoritme zeer gevoelig is voor kwaliteitsproblemen waar wij anders nooit achter waren gekomen.”
Van Dooijeweert vult aan: “Dit algoritme helpt ons preciezer te diagnosticeren en voorkomt dat een patiënt op basis van een subtiel foutieve kleuring een verkeerde behandeling krijgt. Dat is pure kwaliteitswinst.”
Van AI naar de pathologiepraktijk
De twee studies tonen aan hoe breed de inzetbaarheid van AI in de pathologie inmiddels is, al blijkt grootschalige invoering een uitdaging. “AI wordt in Nederland nog niet vergoed via de reguliere DBC-systematiek”, zegt Van Dooijeweert, doelend op de Diagnose-BehandelCombinatie van de zorgverzekeraar. “Dat maakt de businesscase voor ziekenhuizen ingewikkeld. Je moet software aanschaffen, integreren in je systemen, en vaak extra IT-personeel inzetten.”
Evengoed is Van Dooijeweert optimistisch over de toekomst: “We moeten niet wachten tot alles perfect is of tot de fabrikanten volledige transparantie geven over hun trainingsdata. We moeten gewoon gaan testen in de praktijk en laten zien dat het werkt. Dat vraagt om een pragmatische houding.”
Van Kempen onderschrijft dat: “We staan nog maar aan het begin. AI zit straks in bijna elke stap van het proces, maar de patholoog blijft eindverantwoordelijk.” Van Dooijeweert tot slot: “AI gaat het werk niet vervangen, wel versterken. Met de groei van het aantal kankerdiagnoses is dit wenselijk en noodzakelijk. Als we de zorg toekomstbestendig willen maken, kunnen we niet meer zonder slimme ondersteuning in het lab.”
Benieuwd naar de mogelijkheden van AI in het pathologie- lab?
Bezoek de lezing van Sven van Kempen tijdens het LabAutomation op 10 maart in Congrescentrum 1931 in Den Bosch. Aanvang 13:45
