'Slimme software' herkent vroege vormen slokdarmkanker
Het algoritme voorkomt ingrijpende operaties en verhoogt de overlevingskans
![MDL-arts Erik Schoon bezig met endoscopie | Rechts het beeldscherm met de uitslag van de computer (Foto: Catharina Ziekenhuis)](https://assets.w3.tue.nl/w/fileadmin/_processed_/8/f/csm_1962-e5a1799ade221c58ad4391b26811e2d4_58df947b7e.jpg)
Slimme software kan tijdens een endoscopie de vroege tekenen herkennen van slokdarmkanker bij patiënten met een zogenoemde ‘Barrett-slokdarm’. Dit blijkt uit onderzoek van Amsterdam UMC, het Catharina Ziekenhuis uit Eindhoven en de Technische Universiteit Eindhoven. Zij publiceerden onlangs de resultaten in de toonaangevende medische tijdschriften Gastroenterology en Gastrointestinal Endoscopy.
Mensen met langdurige klachten van terugstromend maagzuur in de slokdarm – kortweg reflux - kunnen afwijkend weefsel in hun slokdarm ontwikkelen door irritatie van het maagzuur. Zo’n Barrett-slokdarm is één van de belangrijkste risicofactoren voor slokdarmkanker in de Westerse wereld. Daarom krijgen mensen met een Barrett-slokdarm regelmatig een endoscopische controle in het ziekenhuis. Bij zo’n controle wordt een dunne buis met een klein cameraatje in de slokdarm gebracht.
De vroegste stadia van slokdarmkanker zijn moeilijk op te sporen; slechts een handvol medisch specialisten in Nederland heeft daarin ruime ervaring. “Daarom missen artsen soms beginnende kanker, die nog gemakkelijk te behandelen is. Bij kanker in een gevorderd stadium is de vijfjaarsoverlevingskans minder dan vijftig procent”, legt professor dr. Jacques Bergman (Amsterdam UMC) uit. “Het is dus zaak om de beginnende kanker direct op te sporen.”
![Fons van der Sommen](https://assets.w3.tue.nl/w/fileadmin/_processed_/9/1/csm_van_der_Sommen_Fons_EE_VH_3193_UD_4e066f3216.jpg)
Rode markering
In bovengenoemde publicaties beschrijven de onderzoekers de ontwikkeling van het computeralgoritme, dat is getraind met honderdduizenden endoscopiebeelden, waaronder beelden van de zogenoemde Barrett-slokdarm. Uit het onderzoek blijkt dat het systeem overtuigend beter scoort dan 53 internationale endoscopisten die de beelden op het oog beoordeelden. “Het systeem haalt een score van 90 procent,” zegt TU/e-onderzoeker Fons van der Sommen, die het algoritme heeft ontwikkeld samen met promovendus Joost van der Putten.
Het nieuwe computeralgoritme is getest bij patiënten in het Amsterdam UMC en het Catharina-ziekenhuis in Eindhoven. “Ons systeem ‘kijkt’ live mee tijdens een endoscopie in de slokdarm. Het algoritme geeft op een beeldscherm een rode markering bij een verdachte plek. De arts kan dan handelen door het verdachte gebied nader te inspecteren en bijvoorbeeld een biopt te nemen”, aldus Van der Sommen.
Doorbraak
Professor Jacques Bergman en dr. Erik Schoon (Catharina Ziekenhuis), specialisten op het gebied van Barrett-slokdarm en beiden betrokken bij het onderzoek, zijn enthousiast over deze technologische ontwikkeling. “De software ondersteunt de Maag-Darm-Lever-arts. De computer herkent vroege vormen van kanker in een Barrett-slokdarm; dat is één van de moeilijkste dingen in ons vak. Het herkennen vraagt om veel ervaring”, verduidelijkt Schoon.
De software wordt nu verder getest. De verwachting is dat het programma over twee jaar beschikbaar komt voor alle MDL-artsen in Nederland. ”De computer gaat MDL-artsen, die maar enkele patiënten per jaar met een Barrett-slokdarm zien, ondersteunen bij het herkennen van deze vroegste vorm van slokdarmkanker. Dit bespaart patiënten later een zware operatieve ingreep waarbij een deel van slokdarm wordt verwijderd. Dat is bij late ontdekking vaak onontkoombaar”, aldus Schoon. Bergman vult aan: “Behandeling van vroege kanker is veel minder ingrijpend voor patiënten en vele malen goedkoper.”
NWO
Het onderzoek is gefinancierd door KWF Kankerbestrijding en Technologiestichting STW (tegenwoordig onderdeel van de Nederlandse Organisatie van Wetenschappelijk Onderzoek, kortweg NWO) als onderdeel van het partnership-programma ‘Technology for Oncology’. Het onderzoek naar dit systeem is gebaseerd op diverse jaren van intensieve samenwerking met de research groep Video Coding & Architectures van de TU/e, die onder leiding staat van professor Peter de With.
J.J. Bergman et al. , "Deep-Learning System Detects Neoplasia in Patients With Barrett’s Esophagus With Higher Accuracy Than Endoscopists in a Multistep Training and Validation Study With Benchmarking"