Opsporing van baarmoederhalskanker: een efficiënt algoritme
Amerikaanse vorsers hebben een computeralgoritme opgesteld dat de digitale beelden van de baarmoederhals analyseert en precancereuze letsels beter opspoort dan de klassieke onderzoeken. Die op artificiële intelligentie gebaseerde techniek zou een omwenteling kunnen teweegbrengen bij de opsporing van baarmoederhalskanker, vooral in armere landen.
Wereldwijd is baarmoederhalskanker de op drie na frequentste kanker bij vrouwen. Volgens de Wereldgezondheidsorganisatie werden in 2018 570 000 gevallen van baarmoederhalskanker gediagnosticeerd.
In rijke landen is de sterfte aan baarmoederhalskanker gedaald dankzij screening en vaccinatie tegen de belangrijkste risicofactor, zijnde het humane papillomavirus.
Baarmoederhalskanker is dan ook een ziekte van armen geworden: 80% van de gevallen wordt gediagnosticeerd in ontwikkelingslanden. In die landen laten gynaecologische screening en vaccinatie tegen het humane papillomavirus nog te wensen over. Daarom proberen vorsers gebruiksvriendelijke, precieze, maar betaalbare technieken te ontwikkelen om baarmoederhalskanker in een vroeg stadium op te sporen.
De vorsers hebben met de financiële steun van onder meer het National Cancer Institute en het Global Good Fund een algoritme ontwikkeld. Ze hebben daarvoor meer dan 60 000 beelden van gezonde en zieke baarmoederhalzen, die in de archieven waren bewaard in het kader van een screeningonderzoek uitgevoerd in Guanacaste, Costa Rica, in de jaren negentig, ingevoerd om het systeem "op te leiden". In die studie werden 9406 vrouwen van 18 tot 94 jaar gevolgd, sommige gedurende 18 jaar, zodat alle kankers konden worden gecorreleerd met de eerdere beelden van de baarmoederhals.
Het systeem werd gevoed met de gedigitaliseerde beelden (machine learning). Na die "aanleerfase" kon 91% van de precancereuze letsels door het algoritme worden gedetecteerd. Het slaagpercentage was hoger dan bij het aflezen door experts van tijdens een colposcopie genomen foto's (69%) en zelfs hoger dan bij cytologisch onderzoek van een baarmoederalsuitstrijkje (71%).
De vorsers willen hun techniek, automatische visuele evaluatie (AVE) genoemd, de komende drie tot vijf jaar verder ontwikkelen en meer klinische studies uitvoeren. Ze hopen het algoritme nog te verbeteren door registratie van precancereuze baarmoederhalsletsels en -weefsels van vrouwen van over de hele wereld. Dat is een conditio sine qua non om het systeem overal te kunnen gebruiken. De baarmoederhals vertoont immers subtiele verschillen naargelang van de streek van herkomst.
Op termijn zouden niet-opgeleide zorgverstrekkers dan een screening kunnen uitvoeren, gewoonweg door via een speculum een foto te maken van de baarmoederhals en die te laten analyseren door het algoritme. Het is de bedoeling de apparatuur zo eenvoudig mogelijk te houden opdat ze zou kunnen worden gebruikt met een minimum aan training, wat zeer praktisch zou zijn in ontwikkelingslanden.
Die techniek zou ook kunnen worden gecombineerd met klassieke screeningtechnieken. Maar als het algoritme een abnormaal resultaat voorspelt, moet nog altijd een biopsie worden uitgevoerd om na te gaan wat er van aan is.
(referentie: Journal of the National Cancer Institute, 10 januari 2019, doi: 10.1093/jnci/djy225)
https://academic.oup.com/jnci/advance-article/doi/10.1093/jnci/djy225/5272614