De plaatjes van de cellen in de game komen allemaal van een biopt. Dat is een heel dun plakje weefsel van een patiënt van slechts 4 micron dik (dat is 4 duizendste van een millimeter!). Hieruit worden weer delen geselecteerd die de meeste informatie bevatten en die cellen annoteren jullie in de game. Uiteindelijk is het doel om de context in kaart te brengen voor de patholoog met behulp van kunstmatige intelligentie. In deze blog leggen we uit hoe jij hieraan bijdraagt.
Voor pathologen geven de cellen op een biopt cruciale informatie voor de mogelijke behandeling. Het biopt is de belangrijkste context voor een patholoog. Op basis van de informatie van de cellen op het biopt stelt een patholoog een diagnose op. Hiervoor heeft hij meer dan 10 jaar training gehad.
Wat doet een patholoog precies? Pathologie betekent ziekteleer: het medisch specialisme dat zich bezighoudt met het onderzoek naar de oorzaken, mechanismen en gevolgen van ziekten. Dit gebeurt onder andere door het bestuderen van weefsel en cellen van patiënten.
Voordat een arts een behandeling kan starten, wordt er een klein stukje weefsel afgenomen: een biopsie. Het biopt wordt door een patholoog onder de microscoop bekeken, beschreven en een diagnose gesteld. Dit gebeurt al meer dan 100 jaar overal op de wereld op dezelfde manier. De patholoog kijkt vervolgens of er een tumor aanwezig is, hoe agressief die is, en of er een reactie is van het immuunsysteem. Dat doen ze door patronen in het weefsel te herkennen, cellen te kleuren en binnen hun ruimtelijke context te beoordelen. Op basis daarvan wordt een advies gegeven over soort tumor en behandelmethode. Hieronder is dit proces weergegeven.
Inmiddels is dit proces veelal gedigitaliseerd, waarbij een biopt wordt gescand en de patholoog niet meer onder een microscoop, maar naar een computerbeeldscherm kijkt, maar in de basis blijft het proces hetzelfde: de betekenis van cellen begrijpen in hun context.
Waarom context ertoe doet
Een biopt bevat al snel 1 miljoen cellen. Het is ondoenlijk voor een patholoog om al die cellen handmatig te beoordelen. In de praktijk worden dus schattingen gemaakt: hoeveel immuuncellen zijn er? Waar ligt het tumorcentrum en hoe groot is de tumor? De plek van een cel is net zo belangrijk als de cel zelf.
De functie van een cel wordt namelijk bepaald door de omgeving: het type weefsel, nabijgelegen cellen, signalen en structuren. Een tumorcel aan de rand van de tumor gedraagt zich vaak anders dan eentje in het zuurstofarme centrum. En een fibroblast verandert van karakter als hij in aanraking komt met tumorcellen. En een immuuncel midden in de tumor vertelt een ander verhaal dan een die daarbuiten ligt. Op basis hiervan kan heel accuraat per patiënt een diagnose worden gesteld.
Echter, toch blijf er waardevolle informatie onbenut. Informatie die niet eenvoudig met het blote oog is waar te nemen, maar wel met behulp van kunstmatige intelligentie (AI). Door AI te trainen op enorme hoeveelheden celbeelden, kunnen algoritmes patronen herkennen die anders onzichtbaar blijven en dat opent nieuwe deuren voor diagnostiek en behandeling. Om die reden is de verwachting dat het gebruik van AI de norm gaat worden in de pathologie, waarbij patholoog en computer gaan samenwerken.
AI als partner in de pathologie
In een ideale situatie zou AI alle cellen op een biopt in kaart kunnen brengen. Hierdoor wordt de context voor de patholoog in een keer een stuk inzichtelijker. Zo wordt de context niet geschat, maar exact bepaald. Meer op korte termijn, zal een algoritme in ieder geval een paar celtypen kunnen detecteren die kunnen ondersteunen bij het stellen van specifieke diagnose. Dit is waar we onder andere met de game aan werken voor immuuntherapie voor triple negatiever borstkanker.
Hiervoor is echter een enorme hoeveelheid data nodig die nu niet voorhanden zijn. Hier zit nu juist de bottleneck. In Nederland zijn 350 pathologen die gezamenlijk meer dan 1 miljoen stukjes weefsel beoordelen per jaar om diagnoses te stellen. De werkdruk is enorm en zal in de komende jaren oplopen. De tijd om annotaties te verzamelen is daardoor minimaal. Hiernaast, een patholoog kan in 1 uur 500 cellen annoteren en om 1 celtype accuraat te laten herkennen door computer zijn minstens 200.000 labels nodig.
Daarom is de game ontwikkeld, zodat iedereen spelenderwijs kan bijdragen aan de oplossing: het verzamelen van annotaties. Om dit op een zo efficiënte mogelijk manier te doen, worden er uit het verschillende biopten delen geselecteerd (patches, zie voorbeeld hieronder) die volgens de patholoog de belangrijkste informatie bevatten. Wederom op basis van context dus. In andere woorden, waar zich veel tumor-, immuuncellen en fibroblasten bevinden. Zo’n patch bestaat uit ongeveer 200 cellen en worden weer opgeknipt tot de plaatjes die we in de game zien met ongeveer 20 tot 50 cellen. Deze annoteren we samen in de game. Door deze data te verzamelen kunnen onderzoekers heel gericht een algoritme trainen. Dit resultaat zullen we aan het eind aan jullie communiceren.
Recent Comments