Wat voor soort tumor heeft deze patiënt? En hoe groot is de kans op dat een behandeling aanslaat of dat er uitzaaiingen ontstaan? In de radiologie en pathologie wordt kunstmatige intelligentie (AI) al gebruikt om met voorspellende modellen antwoord te vinden op dit soort vragen. Maar ondanks de overeenkomsten tussen de twee werelden gebeurt de AI-ontwikkeling in de radiologie en de pathologie vaak apart. Natuurkundige dr. ir. Martijn Starmans wil beide werelden verbinden in gecombineerde AI-voorspelmodellen. Starmans krijgt hiervoor vanaf 1 januari 2024 een dubbelaanstelling als universitair docent bij de afdelingen Radiologie & Nucleaire Geneeskunde en Pathologie van het Erasmus MC.
Praten
Het doel van Starmans’ nieuwe project is om zogeheten multimodale AI-modellen voor kanker te ontwikkelen. Uiteindelijk moeten de AI-modellen dokters helpen die allerlei typen van kanker behandelen, maar Starmans begint met wekedelentumoren, ofwel sarcomen, een zeldzame vorm van kanker waar veel winst voor de patiënt te behalen valt.
Het multimodale AI-model moet leren van zowel radiologie- als pathologiedata. Om dat te bereiken, ontwikkelt Starmans eerst AI-methodes om het beste uit elk datatype afzonderlijk te halen. De aparte modellen voor radiologie en pathologie laat hij tijdens het leerproces met elkaar praten in het geïntegreerde model. ‘Van het oordeel van een radioloog en een patholoog neem je ook niet simpelweg het gemiddelde om tot de uiteindelijke diagnose en voorspelling te komen. Die twee gaan ook in overleg’, legt hij uit.
Trukendoos
In de praktijk komt dat neer op het uitwisselen van veel wiskundige berekeningen, legt Starmans uit. Hij wil ook de prestaties van de modellen verbeteren door kennis te gebruiken van andere kankersoorten waarvan meer data beschikbaar zijn. Dat doet hij met weer een andere tak van AI, zogenaamd meta-learning. ‘We trekken de hele AI-trukendoos open.’
Het AI-model moet leren van pathologie (links) en radiologiebeelden (rechts) van wekedelentumoren | Pathologiebeeld via The Cancer Genome Atlas Sarcoma Collection
DOI: 10.7937/K9/TCIA.2016.CX6YLSUX
Een belangrijk doel van het project van Starmans is dat het gezamenlijke AI-model bruikbaar is in de kliniek. ‘We zorgen vanaf het begin dat het model betrouwbaar is: denk aan fair, bruikbaar en robuust.’ Daarbij helpt het dat radiologen, pathologen en andere clinici nauw betrokken zijn bij het project. ‘Zij kunnen het beste bepalen waar en hoe AI de meeste impact kan maken in de kliniek’, besluit Starmans.
AiNed Fellowship Beurs
De AiNed Fellowship Beurzen vormen een programmaonderdeel van het Nationaal Groeifonds programma AiNed. Het doel van het AiNed Fellowship Beurzen programma is om AI-talent aan te trekken en te behouden bij Nederlandse academische onderzoeksinstellingen, met het oog op de internationale competitie voor AI-talent.
