Alvleesklierkanker is op weg om tegen 2030 de op een na belangrijkste oorzaak van kankergerelateerde sterfgevallen in de Verenigde Staten te worden. De belangrijkste oorzaak van deze grimmige statistiek is late detectie: ongeveer 85% van de gevallen wordt pas gediagnosticeerd nadat de ziekte is uitgezaaid, waardoor patiënten beperkte behandelingsopties en slechte overlevingspercentages hebben.
Een baanbrekende studie onder leiding van onderzoekers van de Mayo Clinic en het MD Anderson Cancer Center van de Universiteit van Texas suggereert echter dat dit paradigma aan het verschuiven is. Ze hebben een kunstmatig intelligentiesysteem ontwikkeld dat in staat is om de vroegste tekenen van alvleesklierkanker te identificeren in routinematige CT-scans – vaak 16 tot 24 maanden vóór een klinische diagnose.
Hoe REDMOD werkt
Het nieuwe systeem, genaamd REDMOD (Radiomics-based Early Detection Model), zoekt niet naar zichtbare tumoren. In plaats daarvan analyseert het ‘radiomics’: subtiele, complexe patronen in weefseltextuur en -structuur die onzichtbaar zijn voor het menselijk oog.
Kanker begint wanneer cellen DNA-mutaties verwerven die hun groei en deling veranderen. Deze veranderingen vinden plaats jaren voordat een tumor groot genoeg wordt om symptomen te veroorzaken of duidelijk op een standaardscan te zien is. REDMOD werd getraind op 969 CT-scans van de pancreas om deze microscopische structurele verstoringen te herkennen, waardoor de ‘signatuur’ van kanker effectief werd opgemerkt in wat normaal weefsel lijkt te zijn.
Superieure prestaties ten opzichte van menselijke radiologen
Om het model te valideren, hebben onderzoekers REDMOD getest op een afzonderlijke dataset, bestaande uit:
* 63 scans van patiënten bij wie later pancreaskanker werd vastgesteld (gescand vóór de diagnose).
* 430 scans van gezonde controlepersonen.
De resultaten wezen op een aanzienlijk voordeel voor AI-ondersteunde detectie:
* 73% detectiepercentage: REDMOD heeft 46 van de 63 pre-diagnosescans correct gemarkeerd als verdacht.
* Menselijke vergelijking: Toen twee deskundige radiologen dezelfde scans beoordeelden zonder hulp van AI, identificeerden ze in slechts 38,9% van de gevallen vroege tekenen.
* Consistentie: De AI vertoonde een hoge longitudinale stabiliteit en produceerde consistente resultaten, zelfs bij het analyseren van scans die maanden na elkaar van dezelfde patiënt waren gemaakt.
“De grootste barrière voor het redden van levens door alvleesklierkanker is ons onvermogen om de ziekte te zien terwijl deze nog te genezen is”, zegt dr. Ajit Goenka, radioloog en specialist in nucleaire geneeskunde bij de Mayo Clinic. “Deze AI kan nu de kenmerken van kanker identificeren in een normaal ogende alvleesklier, en kan dit op betrouwbare wijze doen in de loop van de tijd en in verschillende klinische omgevingen.”
Uitdagingen en valse positieven
Hoewel het detectiepercentage veelbelovend is, is het model niet zonder beperkingen. In de gezonde controlegroep markeerde REDMOD 81 van de 430 scans (ongeveer 19%) ten onrechte als verdacht. In een echte klinische omgeving zou dit resulteren in valse positieven, waardoor patiënten aanvullende, potentieel invasieve tests moeten ondergaan om kanker uit te sluiten.
De onderzoekers merken echter op dat het model consistent presteerde in verschillende datasets en ziekenhuisapparatuur, wat de robuustheid ervan suggereert. De wisselwerking tussen hoge gevoeligheid (het opsporen van echte gevallen) en specificiteit (het vermijden van valse alarmen) is een cruciaal aandachtspunt voor toekomstige verfijning.
Het pad voorwaarts
De auteurs van het onderzoek benadrukken dat REDMOD momenteel een proof-of-concept is. Voordat het in de routinematige klinische praktijk kan worden ingezet, moet het prospectieve validatie ondergaan in patiëntencohorten met een hoog risico. Deze volgende stap is essentieel om te bepalen of de AI op betrouwbare wijze de medische standaard kan verschuiven van een reactieve behandeling van ziekte in een laat stadium naar een proactieve onderschepping van kanker in een vroeg stadium.
Indien succesvol zou deze technologie de screening op alvleesklierkanker kunnen transformeren door bestaande CT-scans te analyseren die om andere medische redenen zijn gemaakt. Door risico’s jaren van tevoren te identificeren, kunnen artsen ingrijpen wanneer curatieve behandelingen, zoals een operatie, nog steeds haalbare opties zijn.
Samenvattend betekent REDMOD, hoewel er nog steeds problemen zijn met betrekking tot valse positieven, een aanzienlijke sprong voorwaarts in de technologie voor vroege detectie. Het biedt hoop dat een van de dodelijkste vormen van kanker binnenkort kan worden ontdekt terwijl deze nog steeds behandelbaar is.
