Hoe kan kunstmatige intelligentie worden gebruikt om melanoom op te sporen?
Van alle huidkankers is melanoom zeker de meest agressieve en gevaarlijke laesie. Het is niet de meest voorkomende vorm van huidkanker, maar door zijn tumorachtige aard is het wel de vorm waarvoor je het meest op je hoede moet zijn, omdat het zich gemakkelijk kan verspreiden en secundaire laesies kan veroorzaken in de rest van het lichaam, laesies die uiteindelijk tot de dood van de patiënt kunnen leiden.
Melanoom wordt vaak geassocieerd met huidkanker, maar in sommige zeldzame gevallen kan het ook niet-cutane gebieden aantasten, zoals slijmoppervlakken (bijvoorbeeld vaginaal of oraal).
Er zijn verschillende risicofactoren die kunnen leiden tot de ontwikkeling van melanoom: bijvoorbeeld leeftijd (hoewel de helft van alle melanomen wordt gezien voor de leeftijd van 50 jaar), de aanwezigheid van moedervlekken (hoewel de meeste melanomen buiten een moedervlek voorkomen), huid- en haartype (lichte huid, blauwe ogen, rood haar), blootstelling aan de zon, gebruik van zonnebanken, zonnebrand, enz.
In de geneeskunde is preventie het sleutelwoord en het is belangrijk, vooral als er meerdere risicofactoren zijn, om waakzaam te blijven en de eigen huid te onderzoeken en een dermatoloog te raadplegen.
In deze ingewikkelde tijden in verband met de COVID-19 virale pandemie kan het moeilijker zijn om je medisch specialist te raadplegen. Daarom is het belangrijk om op zijn minst een deel van het werk zelf te kunnen doen en elke verdachte verschijning op je huid te observeren.
Om de verdachte aard van een huidlaesie of moedervlek te bepalen, gebruiken huidspecialisten een aantal elementen die helpen bepalen of de laesie goedaardig of kwaadaardig is.
De gebruikte elementen hebben betrekking op de kenmerken van de huidlaesie: symmetrisch of eerder asymmetrisch karakter waarbij een van de helften niet overeenkomt met de andere helft, het aspect van de randen (regelmatig of onregelmatig), de kleur van de huid ‘vlek’ (enkele kleur of meerdere tinten in de laesie), de grootte van de laesie en de evolutie ervan in de tijd.
De dermatoloog is de referentiearts voor het analyseren van dit soort situaties en moet altijd worden geraadpleegd in geval van twijfel. Sinds enkele jaren wordt in steeds meer wetenschappelijke publicaties en artikelen in de algemene pers aandacht besteed aan computerhulpmiddelen die beschikbaar zijn op smartphones of in het kader van onderzoeksprotocollen. Deze tools kunnen worden gebruikt om de aard van de huidlaesie rechtstreeks of via toegang op afstand van een arts te bepalen. Sommige van deze tools maken gebruik van kunstmatige intelligentie met deep learning en convolutionele neurale netwerk (CNN) programma’s.
Dit zijn in feite zeer complexe computerprogramma’s die gemaakt zijn om bepaalde specifieke kenmerken van een afbeelding (in dit geval de huidlaesie) te herkennen. Deze programma’s zijn gebaseerd op de herkenning van een ‘patroon’ of typisch aspect en moeten worden ‘opgeleid’ door middel van duizenden verschillende afbeeldingen. Dit is hetzelfde type algoritme dat Facebook in staat zal stellen om naaktfoto’s te herkennen en direct te verbieden, zonder tussenkomst van een mens.
Om deze kunstmatige intelligentietools te trainen, zullen de onderzoekers duizenden afbeeldingen van allerlei soorten huidlaesies gebruiken, waarbij ze het programma laten weten dat deze afbeeldingen ofwel overeenkomen met niet-verdachte laesies ofwel met tumorlaesies. Nadat de computersoftware enkele tienduizenden afbeeldingen heeft ‘verwerkt’, zal het zelf de uiteindelijke diagnose kunnen stellen omdat het geleerd heeft. Het zal geleerd hebben fouten te maken en deze zelf te corrigeren om tot de uiteindelijke juiste diagnose te komen. Dit is wat in theorie de bedoeling is, en recent gepubliceerde medische studies tonen aan dat deze programma’s soms (of zelfs vaak) beter zijn dan de analyse door de gespecialiseerde arts. Niet al deze programma’s zijn echter al gebruikt en gevalideerd in het publieke domein en sommige bevinden zich nog in de onderzoeksfase. Medische specialisten raden aan om ze met voorzichtigheid te gebruiken, voor monitoring, ondersteuning en aanbevelingen. Het laatste woord is (voorlopig) nog steeds aan de mens en aan de dermatoloog en zijn of haar getrainde oog.
Aan de andere kant zijn er andere toepassingen beschikbaar die alleen – zonder tussenkomst van kunstmatige intelligentie en zonder diagnostische ondersteuning – toelaten om de evolutie van een huidvlek of een moedervlek op te volgen. Het volstaat bijvoorbeeld dat de patiënt op regelmatige tijdstippen een foto neemt van een moedervlek en de software analyseert de evolutie en mogelijke wijziging van deze moedervlek (kleur, aspect, grootte, enz.).
Hier zijn enkele applicaties beschikbaar op smartphones die kunnen worden gebruikt om melanoom en mogelijk verdachte moedervlekken te diagnosticeren:
iSkin: dit is een applicatie waarmee je foto’s kunt maken van huidlaesies die je na verloop van tijd kunt controleren. Met deze applicatie kun je ook foto’s naar een dermatoloog sturen en op afstand een medische consultatie uitvoeren.
Skinvision: dit is een algoritme met kunstmatige intelligentie, ontwikkeld met de steun van verschillende dermatologen. Deze betalende toepassing vervangt geen echt medisch consult, maar laat toe om heel snel een indicatie te krijgen over het al dan niet verdacht zijn van een huidlaesie.
SkinApp: dit is een ander algoritme met kunstmatige intelligentie, ontwikkeld in Frankrijk, dat artsen helpt een definitieve diagnose te stellen. Volgens de ontwerper van dit hulpmiddel, het bedrijf ANAPIX: “SkinApp is ontworpen als hulpmiddel voor dermatologen en niet als vervanging van hun werk en expertise. Het doel is om hen te helpen bij de detectie van huidkanker en andere huidpathologieën door hen innovatieve en gebruiksvriendelijke hulpmiddelen te bieden”.
UMSkinCheck: UMSkinCheck is een gratis applicatie beschikbaar op een smartphone waarmee gebruikers hun eigen huid kunnen onderzoeken en de evolutie van verdachte laesies in de tijd kunnen volgen. Applicatie ontwikkeld door de University of Michigan Medicine in de Verenigde Staten.
Referenties:
Wat is AI? Toepassingen van kunstmatige intelligentie in de dermatologie. X. Du-Harpur, F.M. Watt, N.M. Luscombe, M.D. Lynch. British Journal of Dermatology (2020)183, pp423-430.
Classificatie van huidkanker op dermatologieniveau met diepe neurale netwerken. Andre Esteva, Brett Kuprel et ali. Nature. 542, pagina’s 115-118 (2017).
Diepe neurale netwerken zijn superieur aan dermatologen bij het classificeren van melanoombeelden.
Brinker TJ, Hekler A et ali. Eur J Cancer. 2019 Sep;119:11-17
Integratie van patiëntgegevens in huidkankerclassificatie met behulp van neurale netwerken: Systematisch overzicht. Julia Höhn, Achim Hekler et ali. J Med Internet Res. 2021 Jul 22;23(7):e20708
