UvA-promovendus: ‘Screening op darmkanker kan efficiënter met algoritmes’
Kunstmatige intelligentie is niet meer weg te denken uit de maatschappij, bij het genereren van tekst, beeld en muziek. Ook in de geneeskunde beginnen algoritmes langzaam een rol te spelen. Promovendus Tim Kortlever deed onderzoek naar de potentie van algoritmes bij de opsporing van kanker in de dikke darm.
Jaarlijks valt er bij zo’n twee miljoen Nederlanders tussen de vijfenvijftig en vijfenzeventig jaar een paarse envelop op de deurmat. In de envelop zit een uitnodiging voor het bevolkingsonderzoek darmkanker met een ontlastingstest genaamd FIT (fecale immunochemische test).
Aan de hand van de aanwezigheid van bloed in je poep kan het risico op darmkanker worden ingeschat voor een eventueel vervolgonderzoek. Hoewel dankzij het bevolkingsonderzoek het aantal mensen met darmkanker in Nederland daalt, zou de FIT nog effectiever kunnen zijn in het opsporen van darmkanker. De toevoeging van een algoritme zou hier mogelijk een rol in kunnen spelen. Vijf vragen aan promovendus Tim Kortlever die onderzoek deed naar het gebruik van algoritmes in de screening op darmkanker.
Waarom is het belangrijk dat mensen meedoen aan het bevolkingsonderzoek darmkanker?
‘Veel patiënten ondervinden pas klachten als darmkanker al in een gevorderd stadium is, en melden zich dan te laat bij hun arts. Darmkanker ontstaat uit kleine poliepen in de slijmvlieslaag van de dikke darm. Het merendeel van deze poliepen is onschuldig, maar soms kunnen poliepen over de jaren heen uitgroeien tot vergevorderde poliepen, een voorstadium van darmkanker, en uiteindelijk tot darmkanker. Als darmkanker eenmaal is ontstaan, groeit het dieper de darmwand in en kan het uitzaaien. Het percentage om vijf jaar na de diagnose van kanker nog in leven ligt dan helaas rond de twaalf procent. Door mensen zonder klachten systematisch te screenen met zo’n bevolkingsonderzoek kan darmkanker in een vroeg stadium worden gevonden, waardoor de kans op genezing veel groter is.’
Wat is er dan precies mis met de ontlastingstest?
‘Nou, dat is misschien wat gechargeerd. Maar er zijn dingen die efficiënter en beter kunnen. Daarvoor is het belangrijk om te weten wat de ontlastingstest, de FIT, precies doet. De test meet het hemoglobinegehalte in je ontlasting. Hemoglobine is een eiwit wat onderdeel uitmaakt van je rode bloedcellen, die in je bloed zitten. Bij beschadiging van de darmwand door bijvoorbeeld kanker komt er bloed in je ontlasting. Dat bloed is niet altijd met het blote oog te zien, vandaar dat we het hemoglobinegehalte meten. Als er boven een bepaalde hoeveelheid hemoglobine in de ontlasting komt, dan gaan de alarmbellen van de FIT af en word je doorverwezen voor een kijkonderzoek van de dikke darm. Tijdens een kijkonderzoek wordt in ongeveer een derde van de mensen darmkanker of een vergevorderde poliep gevonden.’
‘Echter weten we uit eerder onderzoek dat de kans dat deze afwijkingen bij het kijkonderzoek worden gevonden erg verschilt van persoon tot persoon. Bij een gelijke hoeveelheid hemoglobine in de ontlasting heeft een man van vijfenzeventig die rookt een hoger risico op relevante afwijkingen dan een vrouw van vijfenvijftig die niet rookt. Daar wordt nu nog geen rekening mee gehouden in het bevolkingsonderzoek. Onder leiding van mijn promotoren Evelien Dekker en Patrick Bossuyt heb ik onderzocht of het toevoegen van andere risicofactoren aan de ontlastingstest met behulp van een algoritme het bevolkingsonderzoek kan verbeteren.’
Hoe zou zo’n screening met behulp van kunstmatige intelligentie eruit komen te zien?
‘Goed om aan te stippen is dat het hier nog niet gaat over kunstmatige intelligentie maar over de wiskundige modellen die daaraan ten grondslag liggen, algoritmes. Het zelflerend vermogen van computers, machine learning, is hier dus nog niet bij betrokken.’
‘Het idee is dat we die ontlastingstest gaan combineren met die andere risicofactoren. Naast het hemoglobinegehalte in de ontlasting gebruiken we leeftijd, geslacht, roken, en of er familieleden zijn met darmkanker. Op basis van die factoren rekent het algoritme per individu een nieuwe kans uit dat er darmkanker, of een voorloper daarvan, wordt gevonden tijdens het kijkonderzoek. Alleen mensen met een hoog risico worden vervolgens doorverwezen. Daardoor wordt de test in plaats van “one-size-fits-all” een meer gepersonaliseerde test, waardoor we in theorie meer mensen met darmkanker tijdig zouden kunnen opsporen en er minder mensen onnodig doorverwezen hoeven te worden voor een kijkonderzoek.’
Wat levert zo’n gepersonaliseerde screening nog meer op?
‘Allereerst kost een kijkonderzoek de zorg een hoop tijd en geld. Door nauwkeuriger te screenen kunnen we het aantal mensen dat onnodig een kijkonderzoek ondergaat beperken. Dat levert een stukje efficiëntie op. Daarnaast moeten mensen voor zo’n kijkonderzoek tijd vrij maken en naar het ziekenhuis komen. Vaak brengt dat ook spanning met zich mee, omdat mensen bang zijn dat er darmkanker wordt gevonden. Tenslotte is er ook een zeer kleine kans (1 op 250) dat er een complicatie optreedt tijdens het onderzoek, bijvoorbeeld een bloeding. Door een nog betere screening ontlast je dus niet alleen de zorg, maar ook een groep mensen waarbij geen sprake is van darmkanker maar die om een andere reden een verhoogd hemoglobinegehalte in de ontlasting hebben.’
Het klinkt veel belovend. Werkte het algoritme in jouw onderzoek?
‘Anticlimax: mijn resultaten waren teleurstellend, haha. Op papier hebben algoritmes veel potentie, maar om ze in de praktijk te toetsen bleek nog erg lastig. Een van de redenen daarvoor waren de omstandigheden waaronder de studie werd uitgevoerd. Het bevolkingsonderzoek naar darmkanker is namelijk in 2014 in Nederland gestart. Ik kon pas in 2020 met mijn onderzoek beginnen doordat de opzet eerst gecontroleerd moest worden door de Gezondheidsraad. Dat is een lange procedure met hele strenge eisen. De meeste mensen tussen de vijfenvijftig en vijfenzeventig jaar waren tegen die tijd allang gescreend. Daardoor was er een relatief kleine groep mensen beschikbaar voor het onderzoek, waarin ook nog eens weinig diversiteit bestond. Om die reden kon ik niet goed de effectiviteit van mijn algoritme vergelijken met die van de huidige ontlastingstest.’
‘Toch denk ik dat algoritmes in combinatie met een ontlastingstest de weg vooruit zijn. Mijn collega-onderzoeker Willemijn de Klaver heeft dat bijvoorbeeld in een samenwerking van het AmsterdamUMC, Antoni van Leeuwenhoek ziekenhuis en Erasmus MC laten zien in een recente publicatie in de Lancet Oncology. In haar onderzoek combineerde ze hemoglobine met een aantal eiwitten in de ontlasting die ook gelinkt zijn aan darmkanker. Deze combinatie leidde tot een betere detectie van vergevorderde poliepen vergeleken met de huidige ontlastingstest, zonder dat er meer mensen voor een kijkonderzoek werden doorverwezen. Het heeft nog een lange weg te begaan voor dat het geïmplementeerd wordt, maar haar onderzoek laat zien dat algoritmes zeker een rol kunnen spelen naar het opsporen van darmkanker in de toekomst.’
