Derya Yakar

UMCG

Het onderzoek van Derya Yakar houdt in het kort het volgende in:

Artificial Intelligence-based MRI diagnosis of Prostate Cancer: a two-step research approach to realize clinical implementation

Dit onderzoeksproject is gewijd aan de ontwikkeling en implementatie van een (semi-) autonoom AI-systeem voor MRI-rapportage in de diagnose van klinisch significante prostaatkanker. Het project is gericht op het overwinnen van huidige uitdagingen zoals het tekort aan deskundige prostaatradiologen en de toenemende vraag naar MRI-scans. Het PI- CAI-algoritme, oorspronkelijk ontwikkeld met gegevens van meer dan 12.000 prostaat-MRI-gevallen, zal naar hogere niveaus van automatisering worden gebracht. Hiermee wordt verwacht de werkstroomefficiëntie aanzienlijk te verbeteren en de capaciteitsuitdagingen in de radiologie en gezondheidszorg aan te pakken.

Het project is gestructureerd in twee primaire stappen. De eerste stap omvat het voldoen aan vier essentiële voorwaarden: het waarborgen van patiëntacceptatie van AI, het ontwikkelen van veiligheidscontrolemaatregelen, het genereren van prospectieve pilotgegevens om veiligheid, diagnostische prestaties en werkstroomefficiëntie te evalueren, en het voorbereiden van een randomized controlled trial (RCT). De tweede stap betreft het initiëren en uitvoeren van de RCT om de effectiviteit en praktische bruikbaarheid van het AI-systeem in een klinische omgeving grondig te testen en te valideren.Dit onderzoek is in samenwerking met co-directeuren Thomas Kwee (UMCG) en Henkjan Huisman (RadboudUmc). Marieke van Gerner-Haan (RUG), Yfke Ongena (RUG), Igle Jan de Jong (UMCG), Thea van Asselt (UMCG), Dennis Rouw (Martini Ziekenhuis), en Maarten de Rooij (Radboudumc).

 

Publications

• Patient perspectives on the use of artificial intelligence in prostate cancer diagnosis on MRI
  • PubMed, 14 augustus 2024
  • Klik hier om de publicatie te bekijken

 

Korte samenvatting van voortgang / resultaten juli 2026

Dit project heeft als doel het ontwikkelen en implementeren van semi-autonome AI voor de diagnostiek van klinisch significante prostaatkanker (csPCa) in MRI. Fase 1 is gestart in september 2024, en richt zich op de vier voorwaarden van deze fase. De huidige onderzoeken leveren de noodzakelijke onderbouwing voor een prospectieve pilotstudie waarin semiautonome AI wordt vergeleken met radiologen.

In een narratieve review is onderzocht welke technische en maatschappelijke barrières er nog zijn voordat autonome AI voor csPCa-detectie in de klinische praktijk kan worden toegepast. De review richtte zich op de huidige bewijslast, veiligheidsvraagstukken en mogelijke strategieën om risico’s te beperken, evenals op de perspectieven van patiënten en radiologen. De bevindingen benadrukken het belang van multicenter prospectieve studies, verdere validatie van veiligheidsmechanismen en transparantie en scholing over AI voor zowel patiënten als radiologen. Het manuscript is ingediend bij een wetenschappelijk tijdschrift en ondergaat momenteel peer review.

Daarnaast wordt er een multicentrische studie opgezet om via een patiëntenvragenlijst te onderzoeken in hoeverre prostaatkankerpatiënten bereid zijn deel te nemen aan een gerandomiseerde gecontroleerde studie waarin semi-autonome AI wordt vergeleken met radiologen. Door middel van een animatievideo wordt onderzocht of heldere informatie over het AI-systeem en de veiligheidsmaatregelen de bereidwilligheid van patiënten beïnvloedt.

Ook loopt er momenteel een multicentrische reader studie op Grand Challenge, waaraan 46 radiologen uit verschillende landen wereldwijd deelnemen. De studie heeft als doel de diagnostische accuraatheid en werklastreductie van een semi-autonome workflow te valideren. Deze studie zal naar verwachting belangrijke onderbouwing leveren voor verdere vormgeving van een toekomstige prospectieve pilotstudie.

Ten slotte is de prestatie van semi-autonome AI op laesieniveau onderzocht in de context van MRI-begeleide biopten, waarbij we twee nieuwe metrics hebben geïntroduceerd. De analyses zijn afgerond en suggereren dat semi-autonome AI het aantal onnodige biopten kan verminderen, maar laten ook zien dat supervisie door radiologen nog nodig kan zijn bij onderzoeken waarin de AI met hoge zekerheid csPCa detecteert. Alle analyses zijn afgerond, en het manuscript wordt momenteel voorbereid voor indiening bij een wetenschappelijk tijdschrift.

Korte samenvatting van voortgang / resultaten juli 2025

Dit project heeft als doel het ontwikkelen en implementeren van semi-autonome AI voor het diagnosticeren van klinisch significante prostaatkanker (csPCa)  in MRI. Fase 1 is gestart in September 2024 en richt zich op de vier voorwaarden van deze fase.

Er zijn twee studies opgezet om het semi-autonome AI system te valideren en de veiligheid ervan te onderzoeken. Hiervoor is een pijplijn opgezet om de uitkomsten van het AI system (PI-CAI) te verkrijgen en uncertainty thresholds te kalibreren. Een cohort MRI data uit twee medische centra is voorbereid en daarnaast wordt er momenteel extra data gecurreerd.

Het eerste onderzoek is een multi-center reader studie dat als doel heeft om de diagnostische accuraatheid en werkstroomefficiëntie van semi-autonome AI  te valideren. De studie design is vastgesteld en een power analyse is uitgevoerd. De reader studie zal in het derde kwartaal van 2025 op Grand Challenge plaatsvinden.

Het tweede onderzoek evalueert de diagnostische accuraatheid van de zekere MRI scans binnen de semiautonome workflow op laesie niveau. We  introduceren twee metrics om de diagnostische accuraatheid te meten in het kader van gerichte biopten. De resultaten suggereren dat met de semi-autonome workflow onnodige biopten bij non-csPCa verminderd kunnen worden, maar onderstrepen ook de noodzaak voor vervolgonderzoek om expert-niveau te bereiken voor laesie-level accuraatheid en hiervoor geschikte metrics vast te stellen.