Aflevering 5: Expertkennis vertaald in formules

Het is belangrijk om borstkanker zo vroeg mogelijk te ontdekken. Toch gebeurt dat niet altijd, radiologen zien een kwart van de tumoren op mammogrammen over het hoofd. Nijmeegse onderzoekers willen daarom de bestaande detectiesoftware verbeteren. Ook willen ze de expertkennis van ervaren radiologen formaliseren en in de software verwerken.

Is Nederland innovatief bezig?

Peter Lucas: "In dit project willen wij de kennis van radiologen verwerken in onze zogeheten Computer Aided Detection-software."

Peter Lucas: "In dit project willen wij de kennis van radiologen verwerken in onze zogeheten Computer Aided Detection-software."

U hebt in juli 2006 zo’n 400.000 euro ontvangen van NWO. Wat gaat u met dat geld doen?

Hoeveel draagt de nu verstrekte subsidie bij aan dit onderzoeksproject?

Wat houdt die insteek in?

Lucas: "Radiologen worden in hun werk ondersteund door beeldverwerkingsoftware die verdachte plekken aanwijst op röntgenfoto's van borstweefsel. Mijn collega Nico Karssemeijer van de radiologieafdeling van het Universitair Medisch Centrum St Radboud houdt zich binnen dit project onder andere bezig met het verder verfijnen van deze Computer Aided Detection (CAD)-software. Maar dat is niet genoeg. Voor een goede borstkankerscreening is expertkennis onontbeerlijk."

"Een mammogram is een verzameling witte en zwarte vlekken. Je zou denken dat het leren herkennen van tumoren op basis van grote hoeveelheden beelddata een ideale taak is om te automatiseren. Maar toch zijn ervaren radiologen nog steeds beter in het ontdekken van borsttumoren dan computers. Ze bezitten blijkbaar expertkennis die onontbeerlijk is voor de exacte interpretatie van vlekken op mammogrammen. Het CAD-systeem kan daar niet aan tippen, zelfs niet als de software verbeterd wordt door de software beter te trainen met meer data. In een vooronderzoek samen met Perry Groot hebben we dit aangetoond."

"In dit project willen we de expertkennis van radiologen daarom achterhalen en verwerken in deCAD-software. We vragen hen te beschrijven hoe zij tot hun beslissingen komen. Ook moeten ze ons vertellen op welke punten CAD-software volgens hen te kort schiet. Daarnaast willen we weten welke extra variabelen radiologen en artsen gebruiken om de digitale beelden beter te kunnen interpreteren. Die expertkennis willen we formaliseren en opnemen in de probabilistische modellen die we gebruiken om te voorspellen of er wel of geen tumor te zien is op een mammogram. In onze software willen we statistische modellen (gebaseerd op grote aantallen beelden) combineren met methoden voor kennisrepresentatie (gebaseerd op expertkennis)."

"Voor die combinatie zijn Bayesiaanse netwerken heel geschikt. Die zien er op het eerste gezicht simpel uit - een verzameling variabelen die door pijlen van een bepaalde sterkte met elkaar verbonden zijn - maar er zit behoorlijk geavanceerde wiskunde achter. In de loop van het onderzoek gaan we bepalen hoe we de expertkennis het best kunnen representeren. Het is nog de vraag of we moeten kiezen voor een logische, semantische of objectgeoriënteerde beschrijving."

"Het probleem bij een logische beschrijving op grond van zogeheten Horn-clauses, is dat die tot nu toe alleen geschikt zijn voor kansverdelingen op basis van discrete variabelen. Terwijl veel variabelen die wijzen op de aanwezigheid van tumoren - zoals een hoge dichtheid van het borstweefsel - juist continu zijn. Dat is de centrale vraag in veel van mijn onderzoek - hoe je greep kan krijgen op kwalitatieve medische kennis door die vast te leggen op een formele manier."

Hoe praktisch toepasbaar is uw project?

Lucas: "Als we erin slagen om de interpretatie van mammogrammen te verbeteren, is het maatschappelijk nut daarvan evident."

[Beeld: Peter Pakvis]