Marlies Wakkee

Erasmus MC

Het onderzoek van Marlies Wakkee houdt in het kort het volgende in:

Finding the needle in the haystack: Using artificial intelligence to identify histogenomic biomarkers for metastatic cutaneous squamous cell carcinoma

Patiënten met een cutaan plaveiselcelcarcinoom met een agressief klinisch beloop worden nu niet goed geïdentificeerd omdat ze zeldzaam zijn (slechts 2% van de patiënten ontwikkelt een metastase). Daarom krijgen deze patiënten nu niet de optimale follow-up en potentieel levensreddende adjuvante behandelingen. Het is op dit moment onmogelijk om patiënten te selecteren voor klinische trials om deze behandelingen te onderzoeken omdat het beste stageringssysteem een positief voorspellende waarde heeft van 13%. Daarom is het essentieel om de ‘spelt in de hooiberg’ te vinden, zodat deze patiëntengroep in de toekomst beter kan worden behandeld.

Hiervoor gaan we het excisiemateriaal van patiënten met een cutaan plaveiselcelcarcinoom bekijken, waarvan we reeds weten dat deze een metastase hebben ontwikkeld en als controlegroep gebruiken we patiënten waarvan we weten dat deze geen metastase hebben ontwikkeld. Deze groepen worden gematched op reeds bestaande histopathologische kenmerken zodat alleen nieuwe biomarkers met behulp van artificial intelligence (AI) worden gevonden. We gaan naar het excisiemateriaal kijken op twee manieren: 1) met behulp van annotaties van de patholoog (segmentatie van weefselstructuren met een convolutional neural network) 2) hypothese-vrije approach (met behulp van streaming stochastic gradient descent voor whole slide images, state-of-the-art classification architectures, layer-wise relevance propagation in combinatie met concept-whitening – voor interpretatie van de biomarkers). Verder hebben we ook RNA sequencing data en zullen we kijken of deze in combinatie met de biomarkers gevonden middels bovengenoemde strategieën nog voor betere identificatie van de hoogrisico plaveiselcelcarcinoom patient leidt.

Dit onderzoek is een samenwerking tussen onderzoekers van het Erasmus MC (Marlies Wakkee, Antien Mooyaart, Harmen van de Werken en Loes Hollestein) en het Radboud UMC (Avital Amir en Geert Litjens).

Korte samenvatting van voortgang / resultaten augustus 2024

Dit project is gericht op het verbeteren van de identificatie van hoog-risico cSCC-patiënten met behulp van AI op histopathologische coupes. We ontwikkelden een AI-model dat nauwkeurig belangrijke regio's segmenteert en meet die voorspellend zijn voor het ontwikkelen van metastasen, als aanvulling op de beoordelingen van pathologen. Dit model liet sterke voorspellende prestaties zien, met C-indices tussen 0,85-0,92. Daarnaast ontwikkelden we een zwak gesuperviseerd leerraamwerk om coupes met cSCC te identificeren met een hoge nauwkeurigheid (0,98) en diagnostische waarde (area under the curve (AUC) of 0,998). Lopende werkzaamheden omvatten het genereren van annotaties op pixelniveau en voorbereidingen om met deze publicatie de grootste cSCC dataset openbaar beschikbaar te stellen.