AI inzetten om respons op behandeling alvlees­klier­kanker te beoordelen

Een operatie bij alvleesklierkanker wordt vaak voorafgegaan door een neoadjuvante behandeling. Het beoordelen van het effect daarvan is lastig en gaat gepaard met een grote inter-observer variatie. Onderzoekers van Amsterdam UMC ontwikkelden een algoritme dat mogelijk kan worden gebruikt om de respons op de neoadjuvante therapie wél objectief en reproduceerbaar te beoordelen. Promovendus Boris Janssen: “De volgende stap is het algoritme te trainen met meer preparaten.”

We meldden het onlangs op doq.nl : de prognose voor mensen met alvleesklierkanker is zeer ongunstig. De vijfjaarsoverleving bedraagt slechts 4 procent. Het gunstigst zijn de vooruitzichten voor patiënten bij wie het mogelijk is de tumor via een operatie te verwijderen, gevolgd door enkele kuren chemotherapie. “Door voorafgaand aan deze operatie de patiënt bovendien een neoadjuvante behandeling met chemoradiotherapie te geven, neemt hun vijfjaarsoverleving toe van 7 procent naar 21 procent, heeft de Nederlandse PREOPANC-studie onlangs aangetoond”, vertelt Boris Janssen, promovendus aan het Amsterdam UMC.

Reactie op behandeling

Deze neoadjuvante therapie verbetert niet alleen de overlevingskans van de patiënt. Ook op een andere manier kan die profiteren. “Je kunt het tumorweefsel dat je bij de operatie verwijdert, gebruiken om te kijken hoe goed de tumor reageert op de gebruikte neoadjuvante therapie”, legt Janssen uit. “Zie je bijvoorbeeld dat er in het tumorweefsel nauwelijks meer levende tumorcellen aanwezig zijn, dan kun je concluderen dat de tumor erg gevoelig is voor de gebruikte therapie. Het ligt dan voor de hand deze ook in te zetten als adjuvante behandeling. Zit de verwijderde tumor daarentegen nog vol levende tumorcellen, dan is het mogelijk verstandiger voor een andere adjuvante behandeling te kiezen.”

Grote variatie

Een praktisch probleem hierbij is dat het lastig is objectief en reproduceerbaar te beoordelen hoe goed de tumorcellen hebben gereageerd op de neoadjuvante behandeling. “Dit gebeurt momenteel door de patholoog het percentage overgebleven ‘levende’ tumorcellen te laten bepalen in coupes van de tumor. Op basis daarvan delen we de patiënt in een bepaalde responscategorie in: variërend van een volledige respons, dus geen tumorcellen meer aanwezig, tot totaal geen respons. Dat klinkt heel gemakkelijk, maar in de praktijk blijkt er een enorm grote inter-observer variatie. Ofschoon pathologen heel goed kankercellen kunnen onderscheiden van gezond weefsel, is er toch een forse spreiding in hun oordeel over de responscategorie waarin de patiënt valt. Het is voor pathologen zelfs niet goed mogelijk om aan een coupe te zien of de patiënt wel of geen neoadjuvante behandeling heeft gehad.”

Artificial intelligence

Kortom, er is dringend behoefte aan een meer betrouwbare en objectieve manier om de effecten van de neoadjuvante behandeling bij alvleesklierkanker te beoordelen. Janssen en zijn Amsterdamse collega’s zochten hun heil bij artificial intelligence. “Het is bekend dat computeralgoritmes, mits goed ontworpen en goed gevalideerd, veel beter dan mensen beelden kunnen beoordelen.”

‘We leerden het algoritme kankercellen te onderscheiden van alle andere cellen en structuren in het preparaat”

65 coupes van tumorweefsel

Het ontwerpen van het algoritme gebeurde in dit geval als volgt. Janssen en collega’s digitaliseerden 65 coupes van tumorweefsel van patiënten die een neoadjuvante behandeling hadden ondergaan. Daarbij gaven zij in iedere coupe handmatig aan waar zich welk type cellen en welk soort weefsel bevonden, waaronder natuurlijk tumorcellen. “Op deze manier leerden wij het algoritme kankercellen te onderscheiden van alle andere cellen en structuren in het preparaat.”

“Het algoritme kan met hoge betrouwbaarheid kankercellen in het preparaat herkennen”

Geen enkel verschil

Na een training van het algoritme op basis van 55 coupes valideerden de onderzoekers het algoritme op de resterende tien coupes. “Daarbij bleek dat het algoritme met hoge betrouwbaarheid kankercellen in het preparaat kan herkennen. Voor de liefhebbers: de Dice-score is 0,86; waarbij een score van 1,0 betekent dat er geen enkel verschil zit tussen wat de patholoog aanduidt als kankercel en wat het algoritme aanduidt als kankercel.”

“Het is uiteindelijk de bedoeling dat het algoritme net zo goed presteert in pakweg Maastricht, Groningen, Amerika en Azië als in Amsterdam”

Andere centra

Heel mooi dus, maar dit is pas een proof of principle-studie, tempert Janssen de verwachtingen. “Het algoritme is ontworpen en gevalideerd op basis van een kleine set preparaten die bovendien allemaal gemaakt zijn in hetzelfde ziekenhuis. De volgende stap is het algoritme te trainen met meer preparaten, preparaten die bovendien ook afkomstig zijn van tal van andere centra. Want het is uiteindelijk de bedoeling dat het algoritme net zo goed presteert in pakweg Maastricht, Groningen, Amerika en Azië als in Amsterdam. We zijn nu druk bezig wereldwijd afspraken te maken met centra om coupes te krijgen waarmee we het algoritme verder kunnen trainen en valideren.”

Afkapwaarden definiëren

En dan moet nog de relatie gelegd worden met de klinische uitkomst. Janssen: “Dat betekent dat we afkapwaarden moeten definiëren die de hoeveelheid kankercellen dat het algoritme meet, relateert aan de respons van de tumor op de neoadjuvante behandeling en dus aan de prognose voor de patiënt. Als het algoritme een x-aantal pixels aanduidt als kankercel, is er sprake van een goede respons en hoge overlevingskans. Als het algoritme een y-aantal pixels als kankercel aanduidt, is er sprake van een slechte respons en een slechte overlevingskans.”

Behandeling op maat

Janssen vervolgt: “Er is overigens nog discussie over hoeveel coupes er per tumor door de computer onderzocht moeten worden om een betrouwbare uitkomst te krijgen. Er is immers ook sprake van intra-tumor heterogeniteit. De tumorcellen zijn niet homegeen verdeeld over het tumorweefsel. De ultieme test, tenslotte, is om de behandeling van patiënten aan te passen op basis van de respons op de neoadjuvante behandeling die het algoritme meet en na te gaan of die behandeling op maat gemiddeld leidt tot een betere uitkomst dan de huidige one size fits all-benadering.”

Lees meer over: