Nieuwe AI-systemen bieden een snellere, nauwkeurigere diagnose van blaarziekte

Bij patiënten met epidermolysis bullosa laten huidlagen los, waardoor grote blaren ontstaan. Er zijn verschillende vormen van blaarziekten die verschillende lagen van de huid aantasten. Eén daarvan, epidermolysis bullosa acquisita (EBA), is een auto-immuunziekte waarbij de eigen antilichamen van de patiënt de huid aanvallen. Het begint meestal rond middelbare leeftijd en de blaren kunnen littekens vormen. Littekenvorming op de huid kan ertoe leiden dat de beweging van de gewrichten wordt beperkt, maar littekens kunnen zich ook in de slijmvliezen vormen. Wanneer dit bijvoorbeeld in het oog gebeurt, kan dit tot blindheid leiden. Een vroege diagnose is vereist om de schade veroorzaakt door littekens te voorkomen.

Patroon

‘Op dit moment kan het maanden tot jaren duren voordat de diagnose EBA wordt bevestigd’, legt Joost Meijer uit, dermatoloog bij het Universitair Medisch Centrum Groningen en mede-eerste auteur van het artikel. Het diagnosticeren van EBA gebeurt via huidbiopten, waarbij fluorescerende markers zich hechten aan de auto-antilichamen in de basale laag van de epidermis. Hierdoor ontstaat een gekarteld U-vormig patroon, typisch voor EBA. ‘Dit patroon moet je echter vinden en herkennen in een relatief groot microscopisch preparaat’, vervolgt Meijer. Het patroon is mogelijk alleen aanwezig in kleine delen van de glijbaan. Om een ​​idee te geven van hoe klein het is: als het microscopische beeld wordt gedigitaliseerd als een afbeelding van 20.000 x 12.000 pixels, kan het patroon slechts een ruimte van 30 x 30 pixels in beslag nemen.

Meijer schreef zijn masterscriptie over diagnostische technieken om dit patroon te herkennen. Vervolgens onderzocht hij het probleem in zijn promotieonderzoek, waarin hij samenwerkte met collega-promovendus Astone Shi aan het Bernoulli Instituut voor Wiskunde, Informatica en Kunstmatige Intelligentie van de Rijksuniversiteit Groningen. Shi, de andere gezamenlijke eerste auteur van het artikel, werkt met Convoluted Neural Networks (CNNs), een soort systeem dat werkt met deep learning en bijzonder geschikt is voor patroonherkenning.

Patiënten

‘Een uitdaging was dat er geen standaard trainingsprogramma bestaat voor dit specifieke patroon’, zegt Shi. Hij moest het beste type CNN vinden en de beste manier om het te trainen. ‘Er zijn miljoenen parameters in deze neurale netwerken, en we moesten de parameters vinden die het beste werken.’ Een ander probleem is het vinden van gegevens waarmee CNN kan worden getraind. Patiënten met EBA zijn zeldzaam; op dit moment worden er in Nederland slechts zo’n 5 tot 10 patiënten per jaar gediagnosticeerd. Meijer en Shi konden biopsieën van 46 patiënten gebruiken; 42 om de netwerken te trainen en de overige vier om het systeem te valideren.

Na negen verschillende CNN’s te hebben getraind en de procedure tien keer te hebben herhaald, kon het AI-systeem EBA herkennen met zowel een specificiteit als een gevoeligheid van 89,3 procent. Dit is beter dan de cijfers die zijn gepubliceerd door een groep pathologen en dermatologen, en net onder de nauwkeurigheid van een klein aantal hoogopgeleide specialisten. Shi: ‘Dit betekent dat ons systeem beter presteert dan de meeste artsen.’ De reden hiervoor is waarschijnlijk dat het menselijk oog slechts een relatief klein deel van een microscopisch preparaat in aanmerking neemt.

 

Waarnemers krijgen hieruit een eerste indruk en zoeken vervolgens op de dia naar bevestiging. Het AI-systeem analyseert het hele glaasje, wat resulteert in een nauwkeurigere diagnose.”

 

Joost Meijer, dermatoloog, Universitair Medisch Centrum Groningen

 

Europese studie

Het grote voordeel van dit digitale systeem is dat het gemakkelijk te gebruiken is. Meijer: ‘Wij denken aan een systeem waarbij je een afbeelding uploadt en vervolgens een diagnose krijgt van het AI-algoritme.’ Het kan echter ook worden gebruikt om artsen te trainen in het herkennen van het specifieke U-gekartelde patroon van EBA. Hoewel het systeem goed werkte in dit onderzoeksproject, moeten de resultaten worden bevestigd voor een nieuwe, grotere dataset. Hiervoor is een prospectief Europees onderzoek gestart. Meijer: ‘Het zal een jaar duren om de gegevens van nieuwe huidbiopten te verzamelen, waarmee het systeem kan worden gevalideerd. Hopelijk hebben we dan een snellere en gemakkelijkere manier om EBA te diagnosticeren en de soms slopende littekens te voorkomen.’