Harvard AI-tool onderscheidt hersentumoren met hoge nauwkeurigheid tijdens operaties

Een geavanceerd kunstmatige intelligentie (AI)-instrument, ontwikkeld door een team onder leiding van Harvard Medical School, toont een indrukwekkende nauwkeurigheid van meer dan 90% bij het real-time onderscheiden van agressieve hersentumoren, zoals glioblastomen, van minder kwaadaardige varianten die er oppervlakkig op lijken. Dit innovatieve systeem analyseert weefselmonsters direct in de operatiekamer, wat chirurgen in staat stelt om preciezere excisies uit te voeren en behandelingen ter plekke aan te passen. De noodzaak voor een dergelijke technologie is groot, aangezien traditionele methoden zoals de vriescoupepathologie beperkingen kennen en soms leiden tot fouten die de patiëntresultaten kunnen beïnvloeden.

Het AI-instrument, getraind op duizenden biopten en genetische gegevens, maakt gebruik van deep convolutional neural networks (CNN's) om ongekleurde weefselcoupes te verwerken. Dit proces omzeilt de vertragingen die gepaard gaan met conventionele kleuring en pathologische beoordeling. De effectiviteit van het systeem is aangetoond in studies die de nauwkeurigheid van de AI vergeleken met die van menselijke pathologen. In meerdere instellingen presteerde de AI beter dan menselijke experts, zowel qua snelheid als betrouwbaarheid, door subtiele cellulaire patronen en moleculaire kenmerken te identificeren die cruciaal zijn voor een accurate diagnose. Dit is met name van belang bij glioblastomen, waar een volledige verwijdering essentieel is, maar ook risico's met zich meebrengt.

De ontwikkeling van deze AI vereiste een omvangrijke dataset van meer dan 10.000 geannoteerde beelden van diverse patiëntengroepen, wat de robuustheid van het systeem waarborgt. Collaborateurs van het Dana-Farber Cancer Institute hebben bijgedragen met genomische inzichten, waarbij visuele kenmerken werden gekoppeld aan genetische markers. Een bericht op X van Professor Erwin Loh benadrukte hoe de tool 'beter presteerde dan mensen', wat de positieve sentimenten op het platform over het potentieel om diagnostische fouten te verminderen weerspiegelt. De AI levert probabilistische uitkomsten, waardoor chirurgen in real-time risico's kunnen afwegen, een cruciale factor in de complexe besluitvorming tijdens operaties.

De AI-tool is getest in prospectieve studies en verwerkte monsters in minder dan twee minuten, een aanzienlijke versnelling ten opzichte van standaard pathologie. Het minimaliseren van fout-positieven werd bereikt door iteratieve training. Desondanks moeten er nog steeds regelgevende hindernissen, zoals goedkeuring door de FDA, worden overwonnen voordat brede implementatie mogelijk is. Vroege gebruikers suggereren dat de AI de overlevingskansen kan verbeteren door meer gerichte therapieën mogelijk te maken. De integratie met andere AI-systemen kan leiden tot uitgebreide chirurgische assistenten, hoewel er ethische zorgen blijven bestaan over gelijke toegang en overmatige afhankelijkheid van algoritmen. Zoals Eric Topol opmerkte, versnelt het open-sourcen van dergelijke modellen innovatie, maar menselijk toezicht blijft essentieel. Deze ontwikkeling onderstreept een groeiende trend in de neuro-oncologie, waarbij AI de lacunes in menselijke expertise opvult, mede door een tekort aan pathologen. Partnerschappen met technologiebedrijven verkennen schaalbare versies, met de mogelijkheid om de tool in te bouwen in robotchirurgieplatforms. De NIH Director's Blog prees vergelijkbare systemen voor hun vermogen om kanker van gezond weefsel te onderscheiden. Critici wijzen op datalekken en de 'black box'-aard van sommige algoritmen, en pleiten voor transparantie. Met glioblastomen die jaarlijks duizenden mensen treffen, vertegenwoordigt deze door Harvard geleide vooruitgang een cruciale stap richting slimmere, veiligere hersenchirurgie, waarbij geavanceerde technologie en klinische expertise samenkomen.