Vroegtijdig potentiële tumoren identificeren kan levens redden. Het algoritme dat Radboudumc heeft ontwikkeld, helpt onderscheid te maken tussen goed- en kwaadaardige knobbeltjes die op CT-scans zichtbaar zijn. De onderzoekers trainden het algoritme door het te voeden met CT-beelden van ruim 16.000 knobbeltjes, afkomstig van de National Lung Screening Trial in de Verenigde Staten. Vervolgens is het getest op drie grote bestanden met beeldgegevens van knobbeltjes uit de Deense longkanker screeningstudie, de Danish Lung Cancer Screening Trial.
Elf clinici
“Het deep learning algoritme deed het uitstekend”, zegt Colin Jacobs, onderzoeker bij de afdeling Radiologie en Nucleaire Geneeskunde en coördinator van de studie. “Het presteerde bijvoorbeeld beter dan het gevestigde Pan-Canadese Early Detection of Lung Cancer-model dat ook het risico inschat op maligniteit van de longknobbels. En het presteerde vergelijkbaar met de elf clinici die de gegevens beoordeelden, onder wie vier longradiologen, vijf radiologen en twee longartsen.”
Kosten en werkdruk omlaag
“Het algoritme verkleint ook de kans op verschillende interpretaties die nu soms tussen radiologen kunnen optreden”, aldus Jacobs. “Het algoritme kan ook tot minder onnodige diagnostische interventies leiden, en mogelijk een lagere werkdruk voor radiologen en een verlaging van de kosten van longkankerscreening.”
Valideren en verbeteren
Een validatie op een nieuwe dataset moet duidelijk hoe goed het algoritme functioneert in de praktijk. Ook willen de onderzoekers het algoritme verder verbeteren door andere factoren mee te nemen, zoals leeftijd, geslacht en rookgeschiedenis. Ook werkt het team nu aan een deep learning-algoritme waarbij de ontwikkeling van die knobbeltjes, gebaseerd op meerdere CT-onderzoeken, onderdeel is van de risico-inschatting.
