Chella van der Post

Radboudumc

Het onderzoek van Chella van der Post houdt in het kort het volgende in:

Unmasking the invisible cancer: digital detection of diffuse-type gastric carcinomas

' In dit project ontwikkelen wij met behulp van artificial intelligence (AI) methoden, algoritmes om te gebruiken in de diagnostiek van diffuus-type maagkanker. Aangezien diffuus-type maagkanker gemakkelijk gemist kan worden in de praktijk, zal het gebruik van AI de klinisch patholoog ondersteunen in de dagelijkse diagnostiek bij het beoordelen van maagbiopten en resectie preparaten. Verder zal de automatische detectie van diffuus-type maagkanker, ook nieuwe inzichten kunnen geven in specifieke morfologische kenmerken van dit type kanker. We hebben tot doel om met AI maagtumoren beter te classificeren, en hierbij ook te voorspellen welke patiënten mogelijk in aanmerking komen voor erfelijkheidsonderzoek. Uiteindelijk zullen wij deze data en AI-methoden delen, zodat dit ook door andere onderzoeksgroepen gebruikt kan worden voor verdere toepassingen.'

Korte samenvatting van voortgang / resultaten januari 2024 

In dit project ontwikkelen we Kunstmatige Intelligentie (KI) methoden om de histologische detectie van (erfelijke) diffuse maagkanker te verbeteren. Omdat diffuus-type maagkanker makkelijk kan worden gemist of moeilijk te vinden is op biopten en profylactische maagresecties zal KI de patholoog helpen bij de diagnostische werkzaamheden door de detectie van relevante celtypes in een zeer groot aantal coupes te verbeteren. Dit heeft een hoog potentieel om de kankerdiagnostiek te verbeteren.

Om deze KI-modellen te ontwikkelen hebben we tot nu toe meer dan 500 whole-slide images (WSIs) met diffuse maagkanker tumoren verzameld afkomstig van meer dan 100 verschillende patiënten. Deze casussen zijn afkomstig uit vier verschillende Europese medische centra. Daarnaast zijn we een grote internationale samenwerking aan het opstarten met negen medische centra om een substantiële en diverse dataset te verzamelen met afbeeldingen van biopten en profylactische maagresecties van (H)DGCpatiënten. Deze waardevolle dataset zal de basis vormen voor onze latere projecten.

Op dit moment zijn meer dan 300 WSIs volledig geannoteerd. We hebben subsets van deze set gebruikt om verschillende modellen te trainen voor de detectie van tumorcellen. Eén van deze modellen hebben we gepresenteerd op de European Congress of Pathology in 2023. We verwachten de volledige set voor WP1 in Q1 2024 geannoteerd te hebben. Hierna kunnen we de volledige KI-modellen trainen en evalueren, waarmee we WP1 kunnen afronden.

Tegelijkertijd hebben we een studie georganiseerd wat de overeenstemming tussen pathologen is bij het detecteren van de verschillende typen tumorcellen in afbeeldingen van HDGC-tumoren. Vijf expertpathologen hebben deelgenomen aan deze studie, en we zijn op dit moment de resultaten aan het analyseren.

In de komende maanden zullen we de KI-modellen voor WP1 voltooien en deze combineren met de resultaten van de voorgenoemde studie om WP1 af te ronden. Vervolgens zullen we starten met de ontwikkeling van de modellen voor WP2 en doorgaan met dataverzameling voor zowel WP2 als WP3.

Korte samenvatting van voortgang / resultaten januari 2023

In dit project ontwikkelen we Kunstmatige Intelligentie (KI) methoden om de histologische detectie van (erfelijke) diffuse maagkanker te verbeteren. Omdat diffuus-type maagkanker makkelijk kan worden gemist of moeilijk te vinden is op biopten en profylactische maagresecties zal KI de patholoog helpen bij de diagnostische werkzaamheden door de detectie van relevante celtypes in een zeer groot aantal coupes te verbeteren. Dit heeft een hoog potentieel om de kankerdiagnostiek te verbeteren.

Om deze KI-modellen te ontwikkelen hebben we tot nu toe meer dan 500 Whole Slide Images (WSI’s) met vroeg-stadium diffuse maagkanker tumoren verzameld afkomstig van erfelijke maagkanker patiënten uit drie verschillende Nederlandse medische centra. We verwachten de komende maanden nog meer beelden van andere medische centra te verzamelen.

Op dit moment zijn meer dan 60 WSI’s volledig geannoteerd. Deze subset van afbeeldingen wordt gebruikt om een interactief detectiehulpmiddel te ontwikkelen dat zal worden gebruikt om de resterende afbeeldingen efficiënt te annoteren.

Tegelijkertijd hebben we de pijplijnen gebouwd die nodig zijn om de KI-modellen te trainen en te valideren. De pijplijnen zijn generiek gemaakt, zodat ze in latere fasen van het project kunnen worden hergebruikt. Deze pijplijnen zijn getest op kleinere subsets van onze beschikbare data en hebben veelbelovende resultaten opgeleverd.

In de komende maanden willen we een voldoende groot deel van de afbeeldingen annoteren en verschillende KI-modellen trainen en evalueren voor de detectie van zegelringcellen in WSI’s.