| Kanker | Hersenen | Digitale zorg

AI versnelt herkenning type hersentumor

AI versnelt herkenning type hersentumor

Welk type hersentumor heeft deze patiënt? AI-technologie helpt om dit al tijdens de operatie, binnen anderhalf uur, vast te stellen. Dat duurt normaal gesproken een week. Door de nieuwe techniek kan de neurochirurg het operatieplan al tijdens de operatie aanpassen. Onderzoekers van UMC Utrecht en onderzoekers, pathologen en neurochirurgen van het Prinses Máxima Centrum voor kinderoncologie en Amsterdam UMC hebben vandaag hierover gepubliceerd in Nature.

Read in English >

In Nederland wordt jaarlijks bij 1.400 volwassenen en 150 kinderen een tumor vastgesteld, die ontstaat in de hersenen of het ruggenmerg. Een operatie is vaak de eerste stap in de behandeling. Op dit moment weet de neurochirurg tijdens de operatie nog niet om wat voor type hersentumor en welke mate van agressiviteit het precies gaat. De exacte diagnose is meestal pas één week na de operatie beschikbaar, namelijk nadat het tumorweefsel visueel en moleculair is geanalyseerd door de patholoog.

Deep-learning algoritme

Onderzoekers van UMC Utrecht ontwikkelden een nieuw ‘deep-learning algoritme’, een vorm van kunstmatige intelligentie, waardoor dat lange wachten niet meer nodig is.  
 
Jeroen de Ridder, onderzoeksgroepsleider binnen UMC Utrecht en Oncode Institute: “Recent is zogeheten Nanopore sequencing beschikbaar gekomen: een technologie om DNA real-time uit te lezen. Wij ontwikkelden daarvoor een algoritme, dat kan leren van miljoenen gesimuleerde realistische ‘DNA-snapshots’. Met dit algoritme, dat we Sturgeon hebben genoemd, zijn we in staat binnen 20 tot 40 minuten het tumortype vast te stellen. En dat is snel genoeg om eventueel de chirurgische strategie aan te passen.”

Jeroen leidt een ‘bioinformatica lab’, dat bestaat uit 15 computational scientists. Zijn team maakt gebruik van de nieuwste ontwikkelingen in de informatica, zoals machine learning en artificial intelligence (AI), om complexe moleculaire datasets te analyseren. Die data zijn bijvoorbeeld afkomstig van tumorweefsel dat is afgenomen van patiënten en verzameld in biobanken.

“Door moderne meettechnologieën kunnen we enorm complexe en rijke metingen verrichten aan bijvoorbeeld tumorbiopten”, vertelt Jeroen. “Hoe zorgen we ervoor dat die zeer complexe meetgegevens tot nieuwe fundamentele inzichten leiden over kanker? En hoe kunnen we die verzamelde data inzetten voor een betere diagnose en behandeling van kanker?”

“Om deze vragen te kunnen beantwoorden is het essentieel om algoritmen te ontwerpen waarmee grote hoeveelheden moleculaire data kunnen worden geanalyseerd, en dat is precies waar het vakgebied bioinformatica zich op richt. Hoewel ons onderzoek fundamenteel van aard is, zijn wij gedreven om ervoor te zorgen dat onze bevindingen een positieve bijdrage leveren aan het leven van patiënten.”

video qr code

In deze folder bevindt zich extra informatie door middel van een video. Scan de bovenstaande QR-code met uw telefoon om een animatie over dit onderwerp bekijken. Of bekijk de video via:

Getest en getraind met biobank

Grote hoeveelheden data versneld en preciezer analyseren, dat is wat Jeroen en zijn team doen. Voor dit nieuwe algoritme werkten zij daarvoor vanaf het begin nauw samen met Bastiaan Tops, hoofd van het Laboratorium voor kinderoncologie in het Prinses Máxima Centrum.

Bastiaan bracht de behoefte vanuit de operatiekamer en de nieuwe technologie samen, mede dankzij financiering vanuit KiKa. Hij zorgde voor de grote hoeveelheid data die nodig is om het algoritme te ontwikkelen en weefsel om het te testen: het Prinses Máxima Centrum houdt al jaren een uitgebreide biobank bij. Daarin wordt onder andere weefsel van kinderen met een hersentumor opgeslagen. Het algoritme werd getraind en getest met behulp van deze biobank.

“Dat we nu het type hersentumor al tijdens de operatie kunnen bepalen, toont aan hoe technologie de diagnostiek versnelt. En hoe we een bestaande biobank in kunnen zetten voor het ontwikkelen van een nieuwe technologie met grote impact voor toekomstige patiënten”, vertelt Bastiaan.

In de praktijk uitgevoerd

Vervolgens werd het hele proces ook diverse malen tijdens echte hersenoperaties uitgevoerd, van afname van het weefsel in de operatiekamer tot vaststelling van het tumortype. In Utrecht bij kinderen, en in Amsterdam bij volwassenen. De totale tijdsduur: 60 tot 90 minuten. Het Prinses Máxima Centrum heeft geoordeeld dat de resultaten van de techniek voldoende betrouwbaar zijn en past het nu ook al in de praktijk toe bij kinderen voor wie de uitkomst mogelijk bepalend is voor het operatieplan. Amsterdam UMC gaat de techniek eveneens in de dagelijkse praktijk gebruiken, om de diagnoseduur bij volwassenen te verkorten.

Eelco Hoving, kinderneurochirurg en clinical director neuro-oncologie in het Máxima: “Tijdens de operatie wordt soms bewust een klein restant tumorweefsel achtergelaten om neurologische schade te voorkomen. Maar als later bijvoorbeeld blijkt dat het om een zeer agressieve tumor gaat, is wellicht alsnog een tweede operatie nodig om dat laatste restje weg te halen. Dat levert dan opnieuw risico’s en spanning voor de patiënt en het hele gezin op. Dat wordt voorkomen doordat we al tijdens de eerste operatie weten met welk type tumor we te maken hebben.”

Vergelijkend onderzoek

Om de techniek nog breder en structureel in te zetten is meer onderzoek nodig. Meer tumortypes moeten worden toegevoegd aan het algoritme. Zo kan worden voldaan aan de internationale standaarden, waardoor vergelijking van data mogelijk wordt. Ook worden de uitkomsten van de nieuwe en huidige (langer durende) methode verder vergeleken, in samenwerking met andere (inter)nationale centra. Zo moet duidelijk worden of de nieuwe methode ook op lange termijn bijdraagt aan de kwaliteit van leven van de patiënten.  
 
Jeroen de Ridder: “Het is fantastisch dat we nu door het combineren van alle expertises, van fundamentele onderzoekers tot pathologen en chirurgen, in staat zijn geweest daadwerkelijk de stap naar de praktijk te maken. Zo kunnen we chirurgen helpen de uitkomst van operaties bij een hersentumor te optimaliseren.”

Meer informatie

'Ultra-fast deep-learned CNS tumour classification during surgery: de publicatie in Nature.

Oncode Investigator Jeroen de Ridder discusses new research on IO sequencing: video over DNA-sequencing van Oncode Institute.

Sturgeon live: video die het hele proces laat zien, van operatiekamer tot  real-time DNA-analyse en terug.

Health AI Labs

Artificial intelligence (AI) is onderdeel van de strategie van het UMC Utrecht. Daarmee werken we aan de zorg van morgen, die innovatief, duurzaam, betaalbaar en ‘bemensbaar’ is. Alle Health AI-initiatieven van UMC Utrecht en de Universiteit Utrecht zijn gebundeld, om zo een bredere en snellere toepassing van AI te bevorderen in zorg, onderwijs en onderzoek.

Er zijn vijf Health AI Labs binnen het UMC Utrecht. Jeroen de Ridder is een van de directors van het AI Lab for Molecular Medicine. Hier wordt onderzocht hoe AI het beste gebruikt kan worden om moleculaire data te analyseren. Daarbij wordt gebruikgemaakt van omvangrijke en unieke biobanken en patiëntcohorten (studies waarbij grote groepen patiënten lange tijd worden gevolgd). 

Werken bij het UMC Utrecht

Contact

Afspraken

Praktisch

umcutrecht.nl maakt gebruik van cookies

Deze website maakt gebruik van cookies Deze website toont video’s van o.a. YouTube. Dergelijke partijen plaatsen cookies (third party cookies). Als u deze cookies niet wilt kunt u dat hier aangeven. Wij plaatsen zelf ook cookies om onze site te verbeteren.

Lees meer over het cookiebeleid

Akkoord Nee, liever niet