23 MEI

2019

Onderwerpen , Aandelen , Oncologie , Rudi Van den Eynde

Kanker en kunstmatige intelligentie: (zeer) concrete perspectieven

Kunstmatige intelligentie kan de screening, diagnose en behandeling van veel kankers verbeteren. Sommige onderzoeken zien er veelbelovend uit, met name op het gebied van medische beeldvorming, met overtuigende resultaten voor huid- en baarmoederhalskanker.  

Kunstmatige intelligentie beweegt zich tussen mythe en werkelijkheid en wekt veel fantasieën op in het collectieve onbewuste. Sommige machines overtreffen duidelijk de menselijke mogelijkheden, maar de existentiële bedreigingen die door Stephen Hawking of Elon Musk beschreven worden, zijn nog steeds ver weg. Van begeleid leren tot volledige machinale autonomie zal nog een grote stap moeten worden gezet.

De recente technologische vooruitgang creëert echter zeer concrete mogelijkheden in de gezondheidssector. Kunstmatige intelligentie zou de komst van nauwkeurigere en vooral meer gepersonaliseerde geneeskunde moeten bevorderen. Ze zal een waardevol instrument zijn om de medische besluitvorming te ondersteunen. Volgens de meeste deskundigen zal de menselijke factor altijd een beslissende parameter blijven, vooral om redenen van ervaring en verantwoordelijkheid. Geen enkel technologisch hulpmiddel kan vandaag de dag een grondig klinisch onderzoek vervangen.

Onderzoek, preventie, screening, diagnose en behandeling: de reikwijdte van AI is bijna onbeperkt. Oncologie is een wereldwijde prioriteit voor de volksgezondheid en is momenteel in volle ontwikkeling. Sterker nog, de eerste vooruitgang is al merkbaar, vooral op het gebied van medische beeldvorming.

Veelbelovende resultaten voor huidkanker...

Kanker vroeg detecteren verhoogt de overlevingskansen van veel patiënten over de hele wereld. Hoe eerder de pathologie wordt ontdekt, hoe sneller de behandeling kan worden gestart en hoe groter de kans op herstel. In dit opzicht zijn sommige onderzoeken bijzonder veelbelovend. Een internationaal onderzoeksteam, bestaande uit Duitsers, Amerikanen en Fransen, heeft een algoritme ontwikkeld dat in staat is een melanoom met een efficiëntie van 95% te herkennen, gebaseerd op eenvoudige foto’s*. Een bijzonderheid: de prestaties van dit instrument overtreffen die van 58 dermatologen uit 17 verschillende landen (87%). Het is des te waardevoller omdat het gebaseerd is op de analyse van 100 zeldzame gevallen, die als complex worden beschouwd.

Een andere baanbrekende studie bevestigt het volledige potentieel van kunstmatige intelligentie in huidkankerscreening. Dermatologen en ingenieurs van Stanford University in de Verenigde Staten hebben een technologie ontwikkeld die een onderscheid kan maken tussen goedaardige en kwaadaardige schoonheidsvlekjes**. De AI is getraind op basis van 130.000 beelden die op het internet zijn verzameld en is in staat om een onderscheid te maken tussen meer dan 2.000 huidziekten. Het kennisniveau van de software is gelijk aan of hoger dan dat van de 21 dermatologen met wie hij is vergeleken.

De uitdagingen op het gebied van de volksgezondheid zijn evident, met name in termen van incidentie en mortaliteit. Volgens het Internationaal Agentschap voor Kankeronderzoek (IARC) worden jaarlijks 232.000 nieuwe gevallen van kwaadaardig melanoom gemeld. De ziekte veroorzaakt bijna 55.000 sterfgevallen per jaar.

.... en baarmoederhalskanker

De kracht van kunstmatige intelligentie wordt ook weerspiegeld in de vroegtijdige opsporing van baarmoederhalskanker. Amerikaanse onderzoekers hebben een algoritme ontwikkeld waarmee precancereuze laesies in foto's met een succespercentage van 91%***kunnen worden geïdentificeerd. Nauwkeurigheid: de tool werd getraind aan de hand van een database van 60.000 beelden van gezonde en pathologische baarmoederhalzen. De resultaten zijn spectaculair, omdat de machine veel nauwkeuriger is dan de conventionele technieken, namelijk het aflezen van colposcoopbeelden door experts (69%) of de cytologische analyse van het uitstrijkje (71%).

Ook hier zal de uitdaging erin bestaan de opsporing van deze vorm van kanker in een vroeg stadium te vergemakkelijken, met name in de ontwikkelingslanden, die verantwoordelijk zijn voor het overgrote deel van de sterfgevallen. Volgens de WHO is baarmoederhalskanker de vierde meest gediagnosticeerde vorm van kanker ter wereld, met 570.000 gevallen in 2018. In de ontwikkelde landen hebben het wijdverbreide gebruik van systematische screening onder risicopopulaties en meervoudige vaccinatiecampagnes tegen verschillende vormen van HPV een belangrijke bijdrage geleverd aan de vermindering van de mortaliteit als gevolg van baarmoederhalskanker. Kunstmatige intelligentie kan deze bemoedigende trend nog versterken.

Meervoudige uitdagingen

Kunstmatige intelligentie is een veelzijdig concept dat verschillende mogelijkheden biedt. Een voorspellende analyse zou bijvoorbeeld kunnen bijdragen tot een betere kankerpreventie door beter te anticiperen op gedragsrisico's. Ze kan ook helpen om de klinische onderzoeksprotocollen te optimaliseren. Deskundigen zien het als een manier om de haalbaarheid van studies te consolideren, de voorspelbaarheid van de therapeutische effecten te verbeteren, maar ook om het nut van de gebruikte oplossingen beter te meten. In werkelijkheid zal de toekomst van kunstmatige intelligentie in hoge mate afhangen van het gebruik van gezondheidsgegevens, waarvan het de drijvende kracht is. Het is algemeen aanvaard dat de vooruitgang van het machinaal leren voornamelijk zal afhangen van de kwaliteit van de door de mens verstrekte informatie.

Het gebruik van kunstmatige intelligentie, die goedkoper, sneller en vaak effectiever is, zou de prevalentie en de incidentie van veel vormen van kanker moeten verminderen. Vooral op het gebied van beeldvorming is zeer veel vooruitgang geboekt, maar er zijn ook andere onderzoeksprojecten aan de gang, zoals een meer gedetailleerde beoordeling van de agressiviteit van tumoren of een zorgvuldigere selectie van patiënten die in aanmerking komen voor bepaalde therapieën (zie kader). De belangrijkste uitdaging zal erin bestaan de meest veelbelovende ontwikkelingen in het algemeen belang te ondersteunen. Candriam wil volop deelnemen aan deze levensreddende aanpak door de meest dynamische bedrijven in deze nu strategische sector te identificeren, te selecteren en te ondersteunen.

Immunotherapie: naar een betere profilering van in aanmerking komende patiënten?

Het nieuws heeft een impact gehad op de internationale wetenschappelijke gemeenschap. Franse onderzoekers hebben een kunstmatig intelligentiealgoritme ontwikkeld en getraind dat de positieve reactie van een patiënt op immunotherapie kan voorspellen op basis van beelden die door een scanner worden gemaakt****. Deze techniek wordt beschouwd als een levensvatbaar alternatief voor biopsie, omdat ze minder invasief en vooral minder riskant is (afhankelijk van de locatie van de tumor). Het vermindert ook de kosten van dure behandelingen. Op die manier zouden meer in aanmerking komende patiënten kunnen worden behandeld, met aanzienlijke besparingen voor de gezondheidsstelsels. In de huidige stand van zaken is deze technologie in staat om in bijna 60% van de gevallen het immuunprofiel van een tumor correct te bepalen. Onderzoek blijft deze reeds veelbelovende resultaten verbeteren. 


[*] "Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists": Annals of Oncology (May 2018).
[**] "Dermatologist-level classification of skin cancer with deep neural networks": Nature (February 2017). 
[***] "An observational study of deep learning and automated evaluation of cervical images for cancer screening": Journal of the National Cancer Institute (January 2019). 
[****] "A radiomics approach to assess tumour-infiltrating CD8 cells and response to anti-PD-1 or anti-PD-L1 immunotherapy: an imaging biomarker, retrospective multicohort study": The Lancet (August 2018).