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 2025

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. 

Voor het ontwikkelen van deze KI-modellen hebben we een internationale samenwerking opgezet om een omvangrijke en diverse dataset samen te stellen met beelden van biopten en profylactische maagresecties van (H)DGC-patiënten. Aan dit project doen acht medische centra mee, waarvan er inmiddels zeven data hebben gedeeld. We verwachten meer dan 800 beelden van ruim 200 patiënten te verzamelen, waarmee dit de grootste dataset van (H)DGC-patiënten wordt die tot nu toe beschikbaar is voor KI-onderzoek.

Onlangs hebben we ons eerste project afgerond, waarin we KI-modellen hebben ontwikkeld die in staat zijn meerdere soorten tumorcellen in maagresecties te detecteren. Hiervoor hebben we 350 whole-slide beelden van 46 patiënten uit vier Europese medische centra volledig geannoteerd, wat resulteerde in meer dan 90.000 geannoteerde tumorcellen. Daarnaast hebben we een studie georganiseerd waarin een panel van pathologen DGC-laesies annoteerde, waardoor we de mate van overeenstemming tussen pathologen in de detectie van tumorcellen konden kwantificeren. Toen we onze KI-modellen toepasten op deze laesies, bleek dat de modellen consistent presteren op of boven het niveau van individuele pathologen.

In de komende maanden ronden we de dataverzameling af voor vervolgprojecten, waarin we voortbouwen op ons eerste werk door ook data van biopten en gevorderde stadia te integreren. Het doel van deze projecten is om niet alleen modellen te ontwikkelen die DGC-laesies kunnen detecteren in een klinische setting, maar ook modellen die onderscheid kunnen maken tussen sporadische en erfelijke DGC op basis van histologische beelden. Bovendien hebben we een softwareplatform ontwikkeld dat integreert met de diagnostische systemen van ons instituut en automatisch onze KI-modellen kan uitvoeren, waardoor implementatie in de klinische praktijk mogelijk wordt.

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.