Dit artikel is een beperkte bewerking van een eerdere publicatie in UMCU-Nieuws en beschikbaar gesteld door Carmen van Dooijeweert, UMCU.
Onderzoek van het UMC Utrecht laat zien dat AI kan helpen de beoordeling van de schildwachtklier door pathologen efficiënter uit te voeren. Deze beoordeling is nodig om eventuele borstkankeruitzaaiingen op te kunnen sporen. De implementatie van AI-assistentie voor de detectie van deze uitzaaiingen vermindert de kosten aanzienlijk, is veilig, bespaart de pathologen tijd en maakt hun werk leuker. De bevindingen van de onderzoeksgroep zijn recent gepubliceerd in het medisch-wetenschappelijk tijdschrift Nature Cancer.
“De zorgvraag en zorgkosten stijgen enorm, en er bestaat nu al een wereldwijd tekort aan pathologen,” vertelt postdoc en klinisch epidemioloog Carmen van Dooijeweert. “Met AI hoeven pathologen minder tijd te besteden aan het beoordelen van de lymfeklieren én besparen we kosten (win-win), terwijl de diagnostiek voor patiënten even veilig blijft. We vinden dit mooi omdat het laat zien dat als je AI op deze veilige manier implementeert, je niet alleen geld en tijd bespaart, maar je daarnaast het werk van pathologen ook direct een stuk plezieriger maakt.”
AI herkent uitzaaiingen sneller (en goedkoper)
Nadat bij een vrouw de tumor in de borst is weggenomen bij borstkanker, wordt vaak ook de schildwachtklier verwijderd. Dat is de lymfeklier die als eerste het lymfevocht uit de tumor opvangt. Als borstkanker uitzaait, komen de tumorcellen eerst in die schildwachtklier terecht. Vandaar dat pathologen ook altijd nauwkeurig dat weefsel onderzoeken, want hierdoor kan worden vastgesteld of er sprake is van uitzaaiingen. In het UMC Utrecht gebeurt dat sinds de implementatie van de digitale pathologie in 2015 niet meer met een microscoop, maar achter een beeldscherm.
Soms zien pathologen die uitzaaiingen op het oog, maar hoe kleiner de uitzaaiing, hoe lastiger dat is. Bovendien moeten ze daarvoor alle coupes (dunne plakjes) heel nauwkeurig bekijken. Om er dan zeker van te zijn dat ze geen uitzaaiingen missen, bekijken pathologen coupes van het klierweefsel nog een keer. Ze gebruiken dan een extra kleuring met antilichamen die tumor-specifieke eiwitten herkennen.
“Doordat deze antilichamen een kleurlabel hebben, worden de tumorcellen goed zichtbaar,” gaat Carmen verder. “Zo kun je zien of er toch nog tumorcellen zitten, die bij de eerste beoordeling, zonder de extra kleuring, zijn gemist. Die extra kleuringen zijn alleen (in verhouding) best duur, zo’n €25 per coupe weefsel, waarvan we er al (minstens) vijf per schildwachtklier doen. Ook moeten soms meerdere weefselblokjes van meerdere schildwachtklieren worden bekeken, en dan stijgen de kosten helemaal snel. Daarnaast is het vooral ook een intensieve, tijdrovende klus voor de patholoog.”
Sneller en goedkoper?
Tijdens de CONFIDENT-B-trial onderzocht Carmen of AI kan helpen om de beoordeling van het schildwachtklierweefsel efficiënter uit te voeren. Kan het sneller en, met de stijgende zorgkosten in het achterhoofd, goedkoper, zonder daarbij kans te lopen op het missen van tumorcellen bij weglaten van de extra kleuringen?
“Je kunt AI eigenlijk op twee manieren gebruiken: volledig zelfstandig (independent AI’– red.) of als hulpje van de zorgprofessional (AI assistance – red.)”, legt Carmen uit. “Bij Independent AI beslist het algoritme volledig zelfstandig of iets een tumor is of niet. Dat is heel spannend en vooralsnog ondenkbaar, want wat als het algoritme het fout heeft? Dat roept onder meer allerlei ethische en juridische vragen op: hoe veilig is het dan om het algoritme zo snel mogelijk te gaan gebruiken?”
Carmen en haar team maakten juist gebruik van die andere vorm van kunstmatige intelligentie, AI-assistentie. Het algoritme helpt je dan, maar je moet vervolgens zelf nog wel naar het resultaat kijken. Er kijkt dus nog altijd een patholoog naar de coupes.
“Onze AI-applicatie, die wij niet zelf hebben ontwikkeld maar in licentie hebben van het bedrijf Visiopharm, doet aan structuurherkenning”, aldus Carmen. “Het ‘vlagt’ voor de patholoog alles waarvan het denkt: ‘Dit hoort niet in een lymfeklier thuis’. Het algoritme zet er dan een rood, oranje of geel cirkeltje omheen, afhankelijk van hoe verdacht het algoritme het plekje vindt.” Door die markeringen krijgen de pathologen het signaal dat ze ergens naar moeten kijken, maar ze doen dat vervolgens veel gerichter en hoeven niet meer de volledige coupe aandachtig te bekijken.
Toelichting workflow
HE = reguliere HE-coupe, coupe met de hematoxyline-eosine (HE) kleuring.Dat zijn de standaard ‘roze’ coupes die de pathologen vaak als eerste bekijken. De reguliere HE-coupes zijn ook de coupes die AI in dit geval beoordeelt dus in (C) met die gekleurde annotaties.
IHC = immuunhistochemie, is een laboratoriumtechniek die wordt gebruikt om specifieke antigenen (eiwitten) in weefselcoupes te detecteren. In dit geval gaat het om een antilichaam dat aan een bepaalde marker bindt die tumorcellen hebben (epitheel), maar alle overige cellen in de lymfeklier niet. Aan die antistof zit dan weer een kleurlabel, waardoor de tumorcellen in dit geval bruin worden (B).
AI = de output van de metastase detectie software van de reguliere HE coupe (C).
Afbeelding workflow (afkomstig uit publicatie van van Dooijeweert, C., Flach, R.N., ter Hoeve, N.D. et al. Clinical implementation of artificial-intelligence-assisted detection of breast cancer metastases in sentinel lymph nodes: the CONFIDENT-B single-center, non-randomized clinical trial. Nat Cancer 5, 1195–1205 (2024). https://doi.org/10.1038/s43018-024-00788-z
Innovatie die zorgkosten verlaagt
Voor de trial werkte Carmen met twee groepen schildwachtklieren. Voor de ene groep werd de standaardprocedure gevolgd, en voor de andere groep werd eerst AI gebruikt. Bij de AI-groep liet Carmen de AI-applicatie eerst runnen, en vervolgens keken de pathologen gericht naar de omcirkelde plekken. Die check was voor een patholoog snel gedaan, vaak zonder dat er dure extra kleuringen nodig waren. En wat bleek? In de AI-groep was minder tijd nodig, en het bleek veel goedkoper om op die manier te werken. “Tijdens de trial hebben we al €3.000 aan extra kleuringen bespaard. Dat kan per jaar oplopen tot wel tienduizenden euro’s”, vertelt Carmen. Het bespaarde bedrag wordt alleen maar groter, wanneer je bedenkt dat in sommige ziekenhuizen vaak direct begonnen wordt met de dure extra kleuringen om zo sneller te kunnen werken. In de paper zijn ook verschillende scenario’s uitgewerkt, waarmee andere pathologie laboratoria de potentiële kostenbesparingen bij het gebruik van AI voor deze toepassing zelf kunnen berekenen.
Uiteraard werd tijdens de trial extra gecheckt of de AI-procedure veilig is: in alle gevallen waarin geen tumorcellen werden aangetoond, werden de extra kleuringen nog steeds gedaan, en AI bleek toen gelijk te hebben gehad. Daarnaast was de unanieme conclusie van de deelnemende pathologen dat het werken met het algoritme hun werk plezieriger maakt.
Paul van Diest, afdelingshoofd pathologie en onderzoeksleider: “Dit onderzoek heeft laten zien dat we met AI veilig, sneller en goedkoper uitzaaiingen kunnen opsporen in lymfeklieren. Dit draagt in hoge mate bij aan de business case voor invoering van AI in de pathologie, want helaas en ten onrechte is daar nog geen vergoeding voor.”
De pathologen van UMC Utrecht werken inmiddels standaard op deze manier bij borstkanker, waarschijnlijk als eerste in de wereld.
