Beeld: Jeroen van Kooten Fotografie
De grote kracht van computers, of liever gezegd de algoritmen waarmee computers hun werk doen, is dat ze in hoog tempo, onvermoeibaar en zeer nauwkeuring één specifieke taak kunnen uitvoeren. ‘Door dit principe in de gezondheidszorg in te zetten kun je zorgverleners veel werk uit handen nemen. Daardoor kunnen ze zich meer bezighouden met dat waarin ze het best zijn: het afwegen van alle klinische informatie en uiteindelijk de patiënt optimaal behandelen’, omschrijft Van Rikxoort haar drijfveer om AI toe te passen in de gezondheidszorg.
Na dit eerst gedaan te hebben binnen diverse academische settings (Radboud Universiteit, UMC Utrecht en University of California Los Angeles) doet zij dit sinds 2014 via het door haarzelf opgezette bedrijf Thirona. ‘Daarbij hebben wij ons vanaf het begin gericht op algoritmen die kunnen helpen bij het analyseren van radiologische beelden van longen. Een heel basale reden voor die keuze is dat alle radiologische beelden al enige tijd allemaal digitaal worden opgeslagen. Dat we ons daarbij richten op de longen komt vooral voort uit het feit dat ik als onderzoeker altijd bezig ben geweest met het ontwikkelen van algoritmen voor het analyseren van foto’s en scans van de longen.’
Beloop ziekte visueel volgen
De afgelopen jaren ontwikkelden en valideerden Van Rikxoort en haar collega’s diverse algoritmen die in staat zijn op basis van thoraxfoto’s of CT-scans allerlei structuren in de longen te herkennen en te kwantificeren. Zo kan de LungQ™- software onder andere herkennen in welke delen van de longen emfyseem optreedt en de hoeveelheid slijm in de longen van een patiënt met cystische fibrose meten. ‘Dit kan longartsen ondersteunen bij het stellen van een diagnose en het aansluitend maken van een behandelplan.’ In samenwerking met het Radboudumc gaat Thirona zich nu ook richten op het ontwikkelen van algoritmen voor de longoncologie. ‘Wij borduren daarbij voort op de door ons reeds ontwikkelde algoritmen die in staat zijn allerlei longstructuren te herkennen.
Die algoritmen moeten nu leren ook tumorweefsel te herkennen. Daarbij willen we ons niet primair richten op het ontwikkelen van een algoritme dat is te gebruiken om mensen te screenen op longkanker, maar op het ontwikkelen van algoritmen die het klinische traject bij mensen met longkanker kunnen ondersteunen. Het gaat dan om een algoritme dat in staat is op grond van CT-scans verschillende soorten longtumoren te herkennen en daarbij automatisch de omvang aangeeft van iedere tumor of longmetastase. De grote kracht van AI is dat je bij een patiënt iedere volgende scan met de vorige scans kunt vergelijken zodat de radioloog en de behandelend arts, maar ook de patiënt, het beloop van de ziekte in de tijd visueel kunnen volgen.
Daarbij ziet het algoritme bovendien geen enkele tumor over het hoofd. Dit kan de behandelaar ondersteunen bij het bepalen van het te volgen behandelbeleid. Een andere uitdaging is het algoritme vervolgens zo te trainen dat het kan voorspellen welke klinische betekenis de radiologische kenmerken van de tumor hebben en veranderingen die daarin in de tijd optreden. Welke afwijkingen op de scan hebben prognostische of zelfs predictieve waarde, welke niet? Daarvoor moeten we het algoritme trainen met data van bestaande patiënten van wie gedurende het ziektebeloop diverse scans zijn gemaakt en van wie de behandeling en uitkomst daarvan bekend zijn.’
Testen in de klinische praktijk
Nu de invloed van COVID-19 op de Nederlandse gezondheidzorg wat minder is geworden, kan de feitelijke ontwikkeling van het algoritme voor longoncologie daadwerkelijk starten. Dit gebeurt in een project in samenwerking met het Radboudumc en met financiële ondersteuning van het Europees Fonds voor Regionale Ontwikkeling. ‘We denken dat we over twee jaar wel een gevalideerd en gecertificeerd algoritme hebben ontwikkeld. Maar dan begint het pas: ik heb inmiddels geleerd dat je daarna je algoritme nog in een aantal ziekenhuizen moet testen in de dagelijkse klinische praktijk. Want dan loop je tegen allerlei zaken aan die in de test- en validatiefase niet zijn opgetreden. Bijvoorbeeld afwijkingen op de scans als gevolg van comorbiditeit of een eerdere behandeling bij de patiënt die het algoritme nog niet herkent. Of zaken in de workflow die volgens de gebruikers beter kunnen. We lopen meestal een jaar lang mee in de dagelijkse praktijk om het algoritme verder te optimaliseren. Onze analisten kijken dan ieder resultaat van het algoritme na. Was het aangevoerde beeldmateriaal van goede kwaliteit? Heeft het algoritme als gevolg van een onbekende structuur in het beeld geen fouten gemaakt? Pas als ook alle kinderziektes eruit zijn, is het algoritme breed inzetbaar en zullen we het ook breed aanbieden.
ALGORITME VOOR OPSPORING VAN COVID-19
Beeld: Thirona
Net als voor veel andere bedrijven kwam COVID-19 voor Thirona als een donderslag bij heldere hemel. Van Rikxoort: ‘Ons reguliere werk voor klinische ondersteuning en ons researchwerk lag van het ene op het andere moment nagenoeg stil want er werden bijna geen scans meer gemaakt bij mensen tenzij ze COVID-19-patiënt waren. Daarnaast hoorden we al snel dat ziekenhuizen, bij gebrek aan PCR-tests, probeerden aan de hand van thoraxfoto’s en CT-scans van de longen snel na te gaan wie mogelijk besmet was met SARS-CoV-2.
Wij hebben toen in samenwerking met onder andere het Radboudumc en Delft Imaging in rap tempo een van onze algoritmen, dat is ontwikkeld voor het opsporen van tuberculose in ontwikkelingslanden, zodanig aangepast dat het in staat is op grond van een thoraxfoto of een CT-scan van de longen afwijkingen te herkennen die passen bij COVID-19 en ook hoe ernstig de ziekte is. We hebben ons algoritme getraind aan de hand van plaatjes van bestaande COVID-patiënten en het algoritme vervolgens gevalideerd en laten certificeren. Het algoritme is begin juni in de cloud geplaatst waardoor ziekenhuizen overal ter wereld hier gratis gebruik van kunnen maken.
Je hoeft daarvoor alleen maar de thoraxfoto of CT-scan te uploaden en je krijgt automatisch een rapport dat vertelt of er sprake is van COVID-19 en, zo ja, in welke delen van de longen de schade aanwezig is en hoe ernstig die schade is. Op basis daarvan kan de arts bepalen of de COVID-patiënt in thuisisolatie kan blijven of opgenomen moet worden. Wereldwijd analyseren we op dit moment circa honderd foto’s en CT-scans per dag. Een voordeel van deze methode is ook dat je veel sneller een uitslag hebt dan met een PCR-test.
In Nederland is inmiddels geen tekort meer aan PCR-testen en is het aantal besmettingen sterk gedaald. Het algoritme kan nu vooral worden ingezet om de opnames te beoordelen van mensen bij wie om wat voor reden dan ook een thoraxfoto of CT-scan van de longen is gemaakt. Zo kun je simpel en goedkoop de vinger aan de pols houden en een toename in nieuwe besmettingen opsporen.