Willeke Blokx

UMC Utrecht

Het onderzoek van Willeke Blokx houdt in het kort het volgende in:

Artificial intelligence to improve classification and prognostication of ambiguous melanocytic lesions

Een deel van de huidtumoren die uitgaan van pigmentvormende cellen, melanocyten genaamd, zijn lastig te classificeren als goedaardig (nevus of moedervlek), intermediair (tussengroep), of als kwaadaardig (melanoom) zonder gebruik van moleculaire diagnostiek. Een deel van deze moleculaire testen is echter alleen beschikbaar is sterk gespecialiseerde pathologie laboratoria, hebben relatieve lange doorlooptijden, en zijn niet mogelijk bij onvoldoende tumorweefsel in een huidexcisie van zo’n pigmentlaesie.

De afdeling pathologie van het UMC in Utrecht, het grootste nationale referentiecentrum voor lastig te classificeren pigmentlaesies van de huid, heeft een unieke combinatie van pathologen gespecialiseerd in pigmentlaesies (dr. Willeke Blokx, prof. Marijke van Dijk, dr. Gerben Breimer), en een uitstekend moleculair laboratorium met alle benodigde moleculaire testen en een hoog kennisniveau van voorkomende moleculaire afwijkingen bij melanocytaire tumoren van de werkzame klinisch moleculaire biologen in de pathologie ( met name bij Dr. Anne Jansen).

De beeldanalyse groep van de TU in Eindhoven heeft ruime ervaring in het ontwikkelen en in de praktijk toepassen van kunstmatige intelligentie binnen de pathologie (dr. Mitko Veta, prof. Josien Pluim).
Samen willen wij kunstmatige intelligentie modellen ontwikkelen die lastige pigmentlaesies van de huid accuraat kunnen diagnosticeren zonder daarbij nog gebruik te maken van een moleculaire test.

De modellen zullen getraind worden in Utrecht en voor de validatie fase is er een samenwerking met het LUMC (dr. Anne-Roos Schrader).

Korte samenvatting van voortgang / resultaten mei 2024

Het primaire doel van dit onderzoek is om met kunstmatige c.q. artificiële intelligentie (A.I.) een algoritme te ontwikkelen dat met de input van histologie beelden en klinische informatie een juiste diagnose kan stellen bij lastig te classificeren melanocytaire laesies.

Het onderzoek bestaat uit een trainingsfase, en een interne en externe validatie fase.

Het onderzoek is in juli 2022 gestart waarbij we om het model meer breed geschikt te maken voor de diagnostiek van alle voorkomende melanocytaire tumoren begonnen zijn met curatie van een grote interne dataset van melanocytaire tumoren uit het UMCU. Dit betreft een set van meer dan 27.000 melanocytaire tumoren gediagnostiseerd tussen 2013 en 2020. Hierin zitten uiteraard ook evident benigne en maligne laesies maar ook een subset van lastige/ ambigue laesies. Deze set is gecheckt op de juistheid van de destijds gestelde diagnose van de ambigue laesies. Deze dataset is gebruikt voor weefselannotatie waarvoor reeds software tools ontwikkeld zijn.

Inclusie van deze grote dataset zal naar verwachting ons primaire doel aanzienlijk versterken.

Het A.I.-model leert op deze manier een breed scala aan beelden van melanocytaire tumoren (her)kennen en zal vervolgens worden getraind op de specifieke subgroep van lastige melanocytaire laesies, die volledig moleculair gekarakteriseerd zijn.

Voor fase 1, gepland in 2022-23, de trainingsfase, zijn van meer dan 400 consult casus uit het UMCU afkomstig uit 2018-2020) de klinische en moleculaire data in een SPSS-database gezet. Deze laesies zijn in principe klaar om na de eerste trainingsfase van het algoritme op de grote dataset het A.I. -algoritme specifiek te gaan trainen op de taak van het herkennen van ambigue laesies en voorspellen van genetische afwijkingen daarin.

Voor de interne validatie, fase 2 (2022-25), hebben we reeds meer dan 500 nieuwe consulten beschikbaar in het UMCU met volledige moleculaire karakterisering in de periode van 1 januari 2022 tot mei 2024. Het beoogde aantal van 300 casus is derhalve reeds ruimschoots behaald.

Voor fase 1 en 3, de training en externe validatie, is naast het LUMC ook dr. Arnaud de la Fouchardiere, Lyon/France, bereid gevonden casus aan te leveren. Wij hebben met Lyon in februari van 2024 een overeenkomst getekend waarin we zijn overeengekomen dat het Centre Leon Berard, 460 casus van Spitz tumoren zal aanleveren (met ingescande beelden, geanonimiseerde klinische informatie en genetische informatie ). Medio 2024 zullen wij deze ontvangen.

De pijplijn voor het trainen van het AI model is in de afgelopen 2 jaar gereed gemaakt en de tweede helft van 2024 zullen wij eerst het AI model gaan trainen en vervolgens valideren om Spitz tumoren goed te kunnen diagnosticeren en genotyperen, waarna de laatste 1,5 jaar van het project gebruikt zal gaan worden om het AI model verder te optimaliseren met ook training en interne en externe validatie met meenemen van de volledige range van melanocytaire tumoren.

Korte samenvatting van voortgang / resultaten mei 2023

Het primaire doel van dit onderzoek is om met kunstmatige c.q. artificiële intelligentie (A.I.) een algoritme te ontwikkelen dat met de input van histologie beelden en klinische informatie een juiste diagnose kan stellen bij lastig te classificeren melanocytaire laesies.

Het onderzoek bestaat uit een trainingsfase, en een interne en externe validatie fase.

Het onderzoek is in juli 2022 gestart waarbij we om het model meer breed geschikt te maken voor de diagnostiek van alle voorkomende melanocytaire tumoren begonnen zijn met curatie van een grote interne dataset van melanocytaire tumoren uit het UMCU. Dit betreft een set van 28.000 melanocytaire tumoren
gediagnostiseerd tussen 2013 en 2020. Hierin zitten uiteraard ook evident benigne en maligne laesies maar ook een subset van lastige/ ambigue laesies. Deze set wordt momenteel gecheckt op de juistheid van de destijds gestelde diagnose van de ambigue laesies. Deze dataset zal gebruikt worden voor weefselannotatie waarvoor reeds software tools ontwikkeld zijn.

Inclusie van deze grote dataset zal naar verwachting ons primaire doel aanzienlijk versterken. Het A.I.-model leert op deze manier een breed scala aan beelden van melanocytaire tumoren (her)kennen en zal vervolgens worden getraind op de specifieke subgroep van lastige melanocytaire laesies, die volledig moleculair gekarakteriseerd zijn.

Voor fase 1, gepland in 2022-23, de trainingsfase, zijn van meer dan 400 consult casus uit het UMCU afkomstig uit 2018-2020) de klinische en moleculaire data in een SPSS-database gezet. Van deze casus hoeven enkel de relevante slides nog te worden geselecteerd. Deze laesies zijn in principe klaar om na de eerste trainingsfase van het algoritme op de grote dataset het A.I. -algoritme specifiek te gaan trainen op de taak van het herkennen van ambigue laesies en voorspellen van genetische afwijkingen daarin.

Voor de interne validatie, fase 2 (2022-25), hebben we reeds meer dan 300 nieuwe consulten beschikbaar in het UMCU met volledige moleculaire karakterisering in de periode van 1 jan 2022 tot 10 mei 2023 (17,5 maanden). Het beoogde aantal van 300 casus voor het einde van 2023 (24 maanden) is derhalve reeds behaald.

Voor fase 1 en 3, de training en externe validatie, zijn naast het LUMC ook diverse pathologen van de EORTC Melanoma group (dr. A. de la Fouchardiere, Lyon/France, and Dr. Prof. Dr. med Daniela MihicProbst, Universitätsspital Zürich/ Switzerland) bereid casus aan te leveren. Deze casus zullen tussen 01-09-23 en het einde van 2024 worden verzameld. Van deze casus zijn HE-coupes en moleculaire karakterisering beschikbaar.

Korte samenvatting van voortgang / resultaten december 2022

Het primaire doel van dit onderzoek is om met kunstmatige c.q. artificiële intelligentie (A.I.) een algoritme te ontwikkelen dat met de input van histologie beelden en klinische informatie een juiste diagnose kan stellen bij lastig te classificeren melanocytaire laesies.

Het onderzoek bestaat uit een trainingsfase, en een interne en externe validatie fase.

Het onderzoek is in juli 2022 gestart waarbij we om het model meer breed geschikt te maken voor de diagnostiek van alle voorkomende melanocytaire tumoren begonnen zijn met curatie van een grote interne dataset van melanocytaire tumoren uit het UMCU. Dit betreft een set van 28.000 melanocytaire tumoren gediagnostiseerd tussen 2013 en 2018. Hierin zitten uiteraard ook evident benigne en maligne laesies maar ook een subset van lastige/ ambigue laesies. Deze set wordt momenteel gecheckt op de juistheid van de destijds gestelde diagnose van de ambigue laesies. Deze dataset zal gebruikt worden voor weefselannotatie waarvoor reeds software tools ontwikkeld zijn.

Inclusie van deze grote dataset zal naar verwachting ons primaire doel aanzienlijk versterken.

Het A.I.-model leert op deze manier een breed scala aan beelden van melanocytaire tumoren (her)kennen en zal vervolgens worden getraind op de specifieke subgroep van lastige melanocytaire laesies, die volledig moleculair gekarakteriseerd zijn.

Voor fase 1, gepland in 2022-23, de trainingsfase, zijn van meer dan 400 consult casus uit het UMCU afkomstig uit 2018-2020) de klinische en moleculaire data in een SPSS-database gezet. Van deze casus hoeven enkel de relevante slides nog te worden geselecteerd.

Deze laesies zijn in principe klaar om na de eerste trainingsfase van het algoritme op de grote dataset het A.I. -algoritme specifiek te gaan trainen op de taak van het herkennen van ambigue laesies en voorspellen van genetische afwijkingen daarin.

Voor de interne validatie, fase 2 (2022-25), hebben we reeds 222 nieuwe consulten beschikbaar in het UMCU met volledige moleculaire karakterisering in de periode van 1 jan 2022 tot 31 oktober 2022 (9 maanden). Het beoogde aantal van 300 casus voor het einde van 2023 (24 maanden) is derhalve ruim haalbaar.

with full molecular work-up in the time period between 01-02-22 and 31-10-22 (9 months). Voor fase 1 en 3, de training en externe validatie, zijn naast het LUMC ook diverse pathologen van de EORTC Melanoma group (dr. A. de la Fouchardiere, Lyon/France, and Dr. Prof. Dr. med Daniela MihicProbst, Universitätsspital Zürich/ Switzerland) bereid casus aan te leveren. Deze casus zullen tussen 1-12-22 en het einde van 2024 worden verzameld.

Van deze casus zijn HE-coupes en moleculaire karakterisering beschikbaar.