Kunstmatige intelligentie (AI) doet steeds vaker zijn intrede in het pathologielab. Onderzoek van het UMC Utrecht laat zien dat AI niet alleen het werk versnelt, maar ook de kwaliteit van diagnostiek verbetert. Twee toepassingen illustreren hoe technologie het werk van pathologen verandert.
In het pathologielab van het UMC Utrecht werken klinisch epidemioloog en arts-onderzoeker Carmen van Dooijeweert en research-analist Sven van Kempen aan de vraag hoe kunstmatige intelligentie het werk van pathologen kan verbeteren. Hun onderzoek laat zien dat AI niet alleen tijd bespaart, maar ook de kwaliteit van diagnostiek verbetert. Van Dooijeweert richt zich op het opsporen van borstkankeruitzaaiingen met behulp van een slim algoritme, terwijl Van Kempen AI inzet om de kwaliteit van immunohistochemische kleuringen nauwkeurig te bewaken.
Slimmer zoeken in de schildwachtklier
Bij borstkanker wordt na het verwijderen van de tumor vaak ook de schildwachtklier verwijderd. Deze klier is de eerste plek waar tumorcellen terechtkomen bij een eventuele uitzaaiing. Pathologen snijden de klier in flinterdunne coupes en beoordelen de digitale beelden daarvan op tumorcellen. Als ze niets verdachts zien, volgen vaak aanvullende kleuringen die tumor-specifieke eiwitten zichtbaar maken. “Dit is prognostisch een belangrijke bepaling”, legt Van Dooijeweert uit. “Als er tumorcellen in de klier zitten, zegt dat iets over de kans op verdere uitzaaiing en bepaalt het mede de vervolgbehandeling van de patiënt.”
Die kleuringen zijn kostbaar en arbeidsintensief. “Gemiddeld maken wij per lymfeklier vijf coupes en één kleuring kost zo’n 25 euro. Per patiënt ben je al snel ruim honderd euro kwijt. Gelukkig vinden we bij twee derde van de vrouwen geen uitzaaiingen, maar dat betekent wel dat je veel kleuringen verder bent.” Om dat proces efficiënter te maken, onderzocht haar team de inzetbaarheid van kunstmatige intelligentie.
In de studie testte het team een algoritme van Visiopharm: de Metastasis Detection app, dat lymfekliercoupes scant en verdachte gebieden markeert met kleurcodes: rood voor vrijwel zeker tumor, oranje voor verdacht en geel voor extra aandacht. “De patholoog kijkt daarna gericht naar die plekken”, vertelt van Dooijeweert. “Daardoor hoeft niet meer de hele coupe te worden beoordeeld.” Het resultaat: pathologen werken een derde sneller, missen geen relevante uitzaaiingen en kunnen het aantal dure kleuringen aanzienlijk verminderen. Bovendien levert het voor de pathologen meer werkplezier op. “Het beoordelen van de lymfeklieren is voor pathologen saai werk, dit is bij uitstek een toepassing waar ze blij mee zijn.”
AI als kwaliteitsbewaker
Waar van Dooijeweert zich richt op efficiëntie, gebruikt Van Kempen AI juist op de kwaliteit van immunohistochemische kleuringen te bewaken. Zijn project, dat ook gebruik maakt van een algoritme van het bedrijf Visiopharm: Qualitopix, meet de kleurintensiteit van zogenaamde controlecoupes.
“Bij elke immunokleuring gebruikten we ter controle oud patiëntenweefsel op de coupes met het te testen patiëntenweefsel”, legt Van Kempen uit. “Maar dat weefsel raakt op en verschilt van geval tot geval. Daarom werken we nu met gestandaardiseerde cellijnen. Een AI-algoritme beoordeelt de kleursterkte van deze controles en kan variaties of fouten in de kleuringen detecteren die met het blote oog lastig te zien zijn. Zo weten we dus veel beter wanneer de kwaliteit van de kleuring onvoldoende is.”
Toen het team de methode testte, ontdekten ze onverwachte fluctuaties tussen kleuringen, zelfs bij identieke stainers. “We zagen verschillen tussen machines en zelfs tussen posities op één stainer”, zegt Van Kempen. “Na een grondige onderhoudsbeurt waren de resultaten ineens weer stabiel. Dat liet zien dat dit algoritme zeer gevoelig is voor kwaliteitsproblemen waar wij anders nooit achter waren gekomen.”
Van Dooijeweert vult aan: “Hier gaat het niet om tijds- of kostenbesparing, maar om het verbeteren van de zorgkwaliteit. Dit algoritme helpt ons preciezer te diagnosticeren en voorkomt dat een patiënt op basis van een subtiel foutieve kleuring een verkeerde behandeling krijgt. Dat is pure kwaliteitswinst.”
Van potentie naar praktijk
De twee studies tonen aan hoe breed de inzetbaarheid van AI in de pathologie inmiddels is. Toch blijft grootschalige invoering een uitdaging. “AI wordt in Nederland nog niet vergoed via de reguliere DBC-systematiek”, zegt Van Dooijeweert. “Dat maakt de businesscase voor ziekenhuizen ingewikkeld. Je moet software aanschaffen, integreren in je systemen, en vaak extra IT-personeel inzetten.”
Toch is Van Dooijeweert optimistisch over de toekomst: “We moeten niet wachten tot alles perfect is of tot de fabrikanten volledige transparantie geven over hun trainingsdata. We moeten gewoon gaan testen in de praktijk en laten zien dat het werkt. Dat vraagt om een pragmatische houding.”
Van Kempen onderschrijft dat: “We staan nog maar aan het begin. AI zit straks in bijna elke stap van het proces. Maar er blijft altijd een human in the loop: de patholoog blijft eindverantwoordelijk.”
Van Dooijeweert besluit: “AI gaat het werk niet vervangen, maar versterken. Zeker met de groei van het aantal kankerdiagnoses is dit niet alleen wenselijk, maar noodzakelijk. Als we de zorg toekomstbestendig willen maken, kunnen we niet meer zonder slimme ondersteuning in het lab.”
Wil je meer weten over de inzet van AI in het pathologielab? Sven van Kempen spreekt tijdens het LabAutomation-event op 10 maart in Congrescentrum 1931 in Den Bosch. In zijn lezing gaat hij in op recente AI-innovaties binnen het UMC Utrecht, waaronder het geautomatiseerd snijden van monsters en de geautomatiseerde detectie van mitosen.
English (UK)