Brughoektumoren sneller en nauwkeuriger meten met AI

In het LUMC is een computermodel ontwikkeld om brughoektumoren nauwkeuriger te meten, waardoor artsen beter kunnen bepalen wanneer therapeutisch ingrijpen noodzakelijk is. We spraken Erik Hensen, KNO-arts in het LUMC over de reden voor ontwikkeling van deze computertool en de toepassing ervan in de praktijk.

Een brughoektumor is een tumor van de evenwichtszenuw die soms groeit, maar soms ook niet. Daarom is behandeling niet altijd noodzakelijk. “In het LUMC bespreken we jaarlijks zo’n 1500 MRI-scans waarop deze zeldzame, goedaardige tumor te zien is. Nauwkeurige metingen zijn van groot belang voor het maken van een behandelplan.”

Afwachten of ingrijpen?

“Ontdekken we een brughoektumor? Dan hebben we eigenlijk drie opties: opereren, bestralen of afwachten. Behandelen brengt risico’s met zich mee. Dus als ingrijpen niet nodig is, wachten we liever af”, vertelt Hensen. “Maar hoe bepaal je nou het juiste moment waarop ingrijpen wél noodzakelijk is? Daar ligt de uitdaging.”

“We weten dat we uiteindelijk ongeveer 40% van de patiënten met een brughoektumor moeten behandelen. Bij de patiënten, bij wie we in eerste instantie kunnen afwachten, hoeven we zelfs maar in een kwart van de gevallen in te grijpen. Drie van deze vier patiënten heeft dus de rest van zijn of haar leven geen behandeling nodig. Als het kan, loont het dus de moeite om af te wachten”, legt Hensen uit.

Meten is weten

“Hoewel de klachten en de ligging van de tumor en de plekken waar deze tegenaan drukt ook van belang zijn, is tumorgroei de belangrijkste factor bij de beslissing om al dan niet in te grijpen. We vergelijken aan de hand van een MRI-scan de afmetingen van de tumor met die van een vorige scan. Groeit de tumor of heeft deze een bepaalde grootte bereikt? Dan overwegen we opnieuw of dit het juiste moment is om in te grijpen of niet.”

Foutmarge

“Omdat een kleine groei een groot effect kan hebben, zijn nauwkeurige metingen cruciaal”, legt Hensen uit. “Op dit moment meten we de tumor handmatig en tweedimensionaal. Maar deze manier van meten heeft een grote foutmarge. Dat is het geval wanneer twee verschillende mensen de tumor meten, maar ook als één persoon de tumor vandaag opmeet en een dag later precies dezelfde tumor nog een keer. We accepteren 2 millimeter als foutmarge, maar dat is voor dit type tumor behoorlijk veel. Het zou beter zijn als we de tumor driedimensionaal opmeten, dan weten we het volume van de tumor. Dat is nauwkeuriger, maar helaas onmogelijk om voor al onze patiënten te doen. Dat zou artsen veel te veel tijd kosten”, zegt Hensen.

“Het systeem maakt niet alleen een kwaliteitsslag, maar ook een efficiëntieslag”

De oplossing

“De AI-tool die we in het LUMC hebben ontwikkeld, is een Automated Learning tool. Het programma ontdekt zelf de tumor op een scan en kan een diameter- en volumemeting doen. En dat doet het ook nog eens voor allerlei verschillende typen MRI-scans, afkomstig van verschillende ziekenhuizen. Iets wat cruciaal is voor de toepasbaarheid in ons ziekenhuis, aangezien het LUMC een expertisecentrum is, dat vanuit alle hoeken van het land MRI-scans beoordeelt voor andere ziekenhuizen”, aldus Hensen.

Nauwkeurig en snel

“Het voordeel van het computermodel is dat hij iedere keer op dezelfde manier meet. Als je één scan meerdere keren laat beoordelen krijg je steeds dezelfde uitslag. Bovendien hoeft een dokter het niet meer te doen, dus het scheelt ons veel tijd. Dat zorgt ervoor dat het systeem niet alleen een kwaliteitsslag maakt, maar ook een efficiëntieslag.”

Het AI-model controleren

Het klinkt natuurlijk prachtig, zo’n systeem dat meting heel nauwkeurig uitvoert en ook nog eens tijd bespaart, maar hoe betrouwbaar is zo’n computermodel nou echt? “Uiteraard begrijpen we ook de terughoudendheid om je helemaal over te geven aan de computermodellen. Daar hebben we goed over nagedacht.”

“Nadat de computer zijn berekeningen heeft gemaakt, wordt de scan altijd gecontroleerd door een arts. Niet om de hele berekening opnieuw te doen, maar wel om te kijken of de computer het juiste lijntje om de tumor heeft getrokken. Staat het lijntje keurig om de tumor getekend? Dan wordt de meting goedgekeurd. Is dat niet het geval, dan keuren we hem af”, legt Hensen uit. “Het mooie van het AI-model, is dat het systeem zelf leert van deze afgekeurde metingen en zo continu kan verbeteren.”

“De controleslag door de arts zelf, laten we nooit achterwege”.

Arts nooit buitenspel

“Deze controleslag halen we er nooit uit”, benadrukt Hensen. “Ook niet als we het AI-model straks door en door vertrouwen. Je wilt als arts altijd ook zelf de scan van de tumor zien. Niet alleen de meting is namelijk van belang. Je wilt ook altijd met eigen ogen zien waar een tumor zich bevindt en welke andere belangrijke structuren in het hoofd hij eventueel raakt.”

Breed inzetbaar

“Dit computermodel is nu getraind op herkennen van brughoektumor”, zegt Hensen. “Maar je zou het ook kunnen trainen op andere typen tumoren. Er zijn meer tumoren waarbij het meten van de grootte van belang is, als het gaat om de keuze voor wel of niet behandelen.”

Toepassing in de praktijk

“De onderzoeksfase is in principe voorbij, maar het duurt lang voordat je zo’n innovatie echt mag gebruiken bij patiënten. We zitten nu in deze implementatiefase.” Hensen heeft er alle vertrouwen in dat de tool uiteindelijk echt zijn toepassing vindt. “Belangrijk voor de ontwikkeling was dat het LUMC vanaf het begin heeft geïnvesteerd in de samenwerking tussen technici, IT-specialisten, radiologen en behandelend artsen”, besluit Hensen. “Dit heeft ervoor gezorgd dat er nu een computermodel klaar staat, dat je als arts daadwerkelijk kunt én wilt gebruiken in de praktijk.”

Lees meer over: