Artificiële intelligentie kan helpen bij classificatie longnodules
Het management van incidenteel gedetecteerde longnodules van onbekende aard is een uitdaging en houdt het risico in van ofwel onnodige invasieve procedures of van een vertraging in diagnose en behandeling. Zowel subjectiviteit bij de evaluatie als de tijd om tot een diagnose te komen spelen daarbij een rol.
Een nieuwe studie toont aan dat deep learning artificiële intelligentie (AI) kan bijdragen tot het correct evalueren en classificeren van dergelijke longnodules. Onderzoekers ontwikkelden het AI-algoritme Lung Cancer Prediction Convolutional Neural Network (LCP-CNN), als objectieve tool voor predictie. Na analyse van beelden geeft dit algoritme een score voor kwaadaardigheid van 0-100%.
De training en interne validatie gebeurde aan de hand van een grote dataset van de National Lung Screening Trial, die 147.612 goedaardige nodules van 5.972 patiënten en 932 kwaadaardige nodules van 575 patiënten bevatten. De performantie van het algoritme werd vergeleken met een traditioneel model om risico te voorspellen, waarbij gekeken werd naar twee externe datasets van twee academische instituten.
Daarbij werden drempels van 5% en 65% kwaadaardigheid gebruikt als definitie voor laag en hoog risico. Het LCP-CNN bleek correct te kunnen classificeren en was meer accuraat in de predictie van kwaadaardigheid. De auteurs stellen dat, ook al is bijkomende validatie nog nodig, hun resultaten aanwijzen dat een AI-algoritme mogelijk kan helpen om de aanpak van patiënten met longnodules van onbekende aard te verbeteren.
Bron:
Massion PP et al. Assessing the accuracy of a deep learning method to risk stratify indeterminate pulmonary nodules. Published online 24 April 2020. Am. J. Respir. Crit. Care Med.: https://doi.org/10.1164/rccm.201903-0505OC