Software herkent longkanker in CT-scans “net zo goed of beter” dan radiologen

Een onderzoek afkomstig van Google – afgelopen maandag gepubliceerd in Nature – doet veel stof opwaaien in de internationale pers. Een team van Google ontwikkelde een kunstmatig intelligent algoritme dat op CT-scans van longen zogeheten kleine nodules – afwijkingen of ‘knobbeltjes’ – betrouwbaar kan detecteren. Google doet dat naar eigen zeggen beter dan menselijke radiologen. Wat betekent dat voor longkankerscreening?

Nodules kunnen potentieel kwaadaardig zijn en tot longkanker kunnen leiden. Vroeg detecteren is daarom belangrijk. In een later stadium van de kanker wordt het succes van de behandelopties minder, of met de weinig verhullende medisch jargon, de survival rate is laag. Op computertomografie (CT) -scans kan een radioloog met een getraind oog longnodules opmerken. Een team van Google ontwikkelde een algoritme dat deep learning gebruikt om nodules op te sporen.

Openbare datasets

Onlangs publiceerde Google een nieuw artikel in Nature over de werking van het algoritme. Google gebruikte 42.000 CT-scans van drie openbare datasets en een gelicenseerde dataset van Northwestern Medicine om het deep learning model te trainen. Volgens onderzoeker Danial Tse leverde het algoritme 11% minder vals positieven en 5% minder vals negatieve uitkomsten in vergelijking met de radiologen:

When prior computed tomography imaging was not available, our model outperformed all six radiologists with absolute reductions of 11% in false positives and 5% in false negatives. Where prior computed tomography imaging was available, the model performance was on-par with the same radiologists.

Dus zonder eerdere CT-beelden van patiënten te bekijken scoorde het algoritme beter dan de menselijke radioloog in de voorspelling welke kans de patiënt had op longkanker. Met behulp van een huidige en eerdere CT-scan van de patiënt waren radioloog en algoritme even accuraat. Wel benadrukt het techologiebedrijf dat het algoritme nog gevalideerd moet worden bij grotere patiëntenpopulatie en op andere datasets dan de openbare en gelicenseerde dataset.

Lees het volledige artikel op smarthealth.live.