Kun je voorspellen hoe een patiënt reageert op chemotherapie? Die vraag wil Geert Kazemier, chirurg aan het Amsterdam UMC, met de inzet van kunstmatige intelligentie (ai) beantwoorden. Daarvoor is hij zo’n 2,5 jaar geleden een proef gestart in samenwerking met business analytics-specialist SAS. Computable spreekt de chirurg tijdens de SAS Global Forum-conferentie in Dallas over de inzet van kunstmatige intelligentie met betrekking tot de behandeling van kanker. Het gaat specifiek over patiënten met dikkedarmkanker en uitzaaiingen naar de lever.
Het Cancer Center Amsterdam, onderdeel van Amsterdam UMC, wil met behulp van geavanceerde data-analyses een betere selectie maken van patiënten die baat hebben bij operaties of chemotherapie en idealiter de uitkomst van de (chemo)behandeling voorspellen. ‘Kanker bestrijd je met een lokale behandeling. En die behandeling verschilt per persoon en per tumor’, legt Kazemier uit. ‘Soms zijn tumoren te groot of zitten ze genesteld op essentiële plekken in de lever, waardoor de patiënt (nog) niet geopereerd mag worden. In dat geval proberen we eerst via een chemobehandeling om de tumor in omvang te laten afnemen.’
Effect meten en voorspellen
‘Om te controleren of een chemotherapie effectief is bij een patiënt, maken we voor en na de behandeling een ct-scan. Op die scans meten we de omvang van een tumor en vergelijken we deze beelden met elkaar. Neemt de tumor minimaal met dertig procent in formaat af, dan ‘reageert’ de patiënt op de behandeling en kunnen we mogelijk overgaan tot een operatie. Wanneer de tumor ‘groeit’ (met twintig procent in omvang toeneemt), wordt vaak voor een andere chemotherapie gekozen. Tot slot kan de tumor ‘stabiel’ blijven (tussen de dertig procent afname en twintig procent toename). Dan kan er overwogen worden om andere chemo te starten, maar dat is niet altijd het geval. Bij die laatste twee groepen komen de patiënten dus nog niet in aanmerking voor een operatie en moeten zij eerst een andere chemobehandeling ondergaan.’
Een uitdaging bij het meten van de omvang van tumoren is dat ze er op scans anders uit kunnen zien. Hierdoor is het lastig meten hoe een patiënt daadwerkelijk reageert op de behandeling. Daarnaast is het de vraag of een 2Ddmeting van tumoromvang voldoende zegt over de daadwerkelijke tumor respons. Om hier een verbeterslag in te maken, wil de chirurg in samenwerking met SAS met behulp van advanced analytics de respons evaluatie verbeteren en verschillende soorten data met elkaar correleren.
Kazemier verwacht dat technologie van SAS op basis van de beschikbare datasets in de toekomst voorspellingen kan doen of chemotherapie aanslaat en of een patiënt in aanmerking komt voor een operatie. Op die manier hoeven patiënten die naar voorspelling niet reageren op de chemobehandeling ook niet de onnodige behandeling te ondergaan. Data-analyses kunnen dus een intelligente manier aanbieden om de effecten van een behandeling in kaart te brengen om daarmee een gepersonaliseerde behandelplannen op te stellen.
2D naar 3D
In de proef, die ruim twee jaar geleden van start ging, zijn de ct-scans van 52 patiënten van zowel voor als na de chemobehandeling in het SAS Viya-platform geïmporteerd. ‘In de eerste fase is SAS gevraagd om de 2d-beelden van de ct-scans om te zetten naar een 3D-beeld. Op die manier kunnen we het volume van een tumor meten, wat een representatiever beeld geeft dan de tumoromvang via een 2d-beeld.’
De tweede stap is om de consistentie van de tumor in kaart brengen. ‘Naast de omvang van een tumor kunnen we via het 3d-beeld op pixelniveau de consistentie van de tumor bekijken. Zo kunnen we verschillende tumoreigenschappen meten en zien we of er meer of minder bloed in een tumor aanwezig is. Wanneer er minder bloed aanwezig is, krijgt de tumor minder voedingsstoffen. En dat heeft vaak weer een positieve invloed op de overlevingskans van de patiënt.’
Voorspellingen
Deze twee stappen zijn inmiddels realiteit. Nu werkt Kazemier samen met SAS aan de derde stap. ‘We willen inzichtelijk maken waar de tumor op de lever gelegen ligt. Want een chirurg wil voor een operatie weten hoe de bloedvaten en galwegen lopen. De ligging van een tumor kan de chirurg ondersteunen in zijn operatieplan.’ Tot slot wil de chirurg de relevante klinische data, naast ct-scans, aan elkaar gaan koppelen om per patiënt te de effectiviteit van chemo-behandelingen te voorspellen.
De eerste stappen voor de inzet van ai bij kankerbehandelingen zijn dus gezet. Het is nog wel de vraag wanneer deze software daadwerkelijk tijdens behandelingen gebruikt mag worden. ‘Om de oplossing van ons op de markt te brengen, zijn er nog wel wat ethisch en juridisch uitdagingen’, legt Kazemier uit. ‘We kunnen leven met een dokter die fouten maakt, want voor menselijke fouten hebben we begrip. Fouten van een computer of een algoritme worden echter niet geaccepteerd. Het is daarom belangrijk dat we kunnen verklaren hoe een algoritme tot een conclusie is gekomen. En ook juridisch moet zo’n softwareproduct aan bepaalde wetten voldoen.’
‘Het gaat dus nog wel even duren voor we de oplossing daadwerkelijk op patiënten mogen loslaten’, besluit Kazemier. ‘Wanneer dat realiteit is? Dat gaat eerder om jaren dan maanden’.
