‘Mijn algoritme kan artsen ondersteunen’
’’Mijn algoritme wordt niet de nieuwe dokter. Mijn doel is om iets te ontwikkelen dat artsen echt kan ondersteunen bij het geven van nog betere zorg aan patiënten,’’ vertelt Dennis Böhm die als datawetenschapper werkt bij Datacation. Hij is bezig met de ontwikkeling van een algoritme dat een computer kan trainen om alvleeskliercellen te herkennen op CT-scans. ’’Een computer kan veel scherper zien dan een mens.’’
Dennis Böhm vertelt op 18 april over zijn project, dat doet hij in samenwerking met het UMC Utrecht, tijdens het webinar van het Healthcare Innovation Platform.
Alvleesklierkankercellen herkennen
Hij loopt, eet, drinkt en ademt datawetenschap. Op de middelbare school was hij veel in de weer met computers. ’’En ik hou van puzzelen, dat komt samen in de studie computer science die ik aan de TU Delft volg.’’ Vooral de colleges over AI vond hij mateloos interessant. ’’Onwijs cool aan AI is dat je op basis van hele simpele wiskunde zeer complexe problemen kunt oplossen. Dat is waarom ik het ben gaan studeren en er nu mee door wil gaan.’’
De opdracht die hij nu bij Datacation uitvoert, is zijn afstudeerproject, vertelt hij enthousiast. Hij wijst naar zijn computerscherm waar lijsten met cijfers overheen lopen. Die horen bij de berekeningen van een neuraal netwerk, een computernetwerk dat zichzelf zo aan het trainen is om alvleeskliercellen te herkennen.
‘Onwijs cool aan AI is dat je op basis van hele simpele wiskunde zeer complexe problemen kunt oplossen.’
Böhm werkt daarbij nauw samen met het UMC Utrecht. ’’Zij hebben veel data voor ons en medische kennis en dat is heel erg nuttig bij het ontwikkelen van mijn model. Andersom heb ik veel kennis van het maken van zo’n model en hoe je het kunt inzetten.’’
‘Alvleesklierkanker is een van de meeste dodelijke vormen van kanker’
Het model dat Böhm ontwikkelt, kan straks specifiek worden ingezet om terugkerende alvleesklierkanker op te sporen.
Alvleesklierkanker is een van de meeste dodelijke vormen van kanker. ’’Het is een hele ernstige ziekte waaraan een heel groot deel van de patiënten overlijdt: 92 procent van de patiënten overlijdt binnen vijf jaar na de diagnose.’’
Die levensverwachting is de afgelopen twintig jaar nauwelijks verbeterd, vervolgt hij zijn verhaal. ’’En dat vind ik intrigerend. De technologische mogelijkheden zijn de afgelopen decennia sterk verbeterd. Maar die worden nog niet op zo’n manier ingezet, dat het patiënten helpt.’’
Operatie
Mensen bij wie alvleesklierkanker wordt ontdekt, als de tumor in de alvleesklier nog niet te groot of nog niet is uitgezaaid, kunnen een operatie ondergaan. Hierbij worden delen van de alvleesklier en de twaalfvingerige darm, de galblaas, het onderste deel van de galbuis, de lymfeklieren rond de alvleesklier en soms de sluitspier van de maag of de maag zelf weggehaald.
Deze operatie is complex en lang niet altijd effectief, vertelt Böhm. ’’Bij tachtig procent van de mensen keert de kanker binnen tien maanden terug.’’ Vaak wordt het dan pas ontdekt wanneer het uitgezaaid is.
Dat komt volgens Böhm omdat het voor het menselijk oog enorm ingewikkeld is om op een CT-scan van het buikgebied, tumorweefsel van littekenweefsel te onderscheiden. Hij is ervan overtuigd dat een computer dit wel kan, zodat een behandeling vroegtijdig kan worden gestart en daardoor meer kans van slagen heeft. ’’Een computer kan nauwkeuriger kijken naar diverse structuren en waardes en kan CT-scans preciezer beoordelen. Hij kan het ook snel na de operatie doen. Zo kan hij de behandelend arts dus supergoed assisteren bij het beoordelen welk weefsel gezond is. En waar al kankercellen zitten of waar die zich kunnen vormen.’’
Menslevens redden
Door terugkerende alvleesklierkanker eerder te diagnosticeren kunnen er mensenlevens worden gered, hoopt Böhm. Het zal volgens hem niet zo zijn dat computermodellen uiteindelijk de beslissing nemen over de behandeling van alvleesklierkankerpatiënten. ’’Maar het kan heel erg helpen als extra argumentatie die een arts nodig heeft om een beslissing te kunnen nemen.’’
Trial and error
Hij traint nu eerst een model om alvleeskliercellen te herkennen op CT-scans. Een volgende stap is het creëren van een model dat ook kan bepalen of cellen gezond zijn of niet. ’’Ondertussen maak ik telkens kleine aanpassingen om te kijken of het nauwkeuriger kan. Zodat je uiteindelijk een goed model hebt. Mijn werk bestaat uit een hoop ‘trial and error’, dingen beredeneren of gewoon uitproberen en dan kijken hoe het uitpakt.’’ Het is koffiedikkijken hoe langt het duurt voordat het model echt kan worden ingezet. ’’Ligt er aan wanneer ik het werkend krijg en ook aan hoe snel het UMC Utrecht het oppakt. Daarnaast zit je met regelgeving en procedures om goedkeuring te krijgen voor het gebruik ervan. Maar in principe zou je dit model binnen een à twee jaar kunnen gebruiken.’’
‘Mooi dat ik wat kan bijdragen aan de gezondheid van mensen’
Het Health Care Innovation Platform kan volgens Böhm een steun in de rug zijn voor datagedreven zorgprojecten. ’’Het is goed dat hier zorgpartijen van ziekenhuizen tot geneesmiddelenbedrijven samenkomen met mensen zonder medische achtergrond, maar die wel weten van techniek en artificial intelligence. Je hebt ze allebei nodig om tot goede oplossingen te komen.’’
Andere ziektebeelden
Wat zijn eigen toekomstdroom is? ’’Om een werkend model te ontwikkelen. Ik ben hier toevallig ingerold, maar vind het wel mooi dat ik me nu kan inzetten voor iets met een groot maatschappelijk belang. Dat ik wat kan bijdragen aan de gezondheid van mensen.’’
‘Ik ben hier toevallig ingerold, maar vind het wel mooi dat ik me nu kan inzetten voor iets met een groot maatschappelijk belang.’
Het zou daarnaast mooi zijn als het model kan worden doorontwikkeld zodat het ook kan worden gebruikt voor het observeren van andere ziektebeelden. ’’Uiteindelijk zou het niet moeten uitmaken welk orgaan je er mee bestudeert. Maar het zou ook toepasbaar moeten zijn in een zelfrijdende auto of een drone,’’ zegt hij. ’’Feitelijk los je steeds hetzelfde probleem op, maar in een andere setting. Dat is mijn stip aan de horizon: dingen ontwikkelen die uiteindelijk heel breed inzetbaar zijn en grote impact kunnen maken in allerlei domeinen.’’
