Betere voorspelling van afstoting met kunstmatige intelligentie

Ook in het weefselonderzoek staat de vooruitgang niet stil. Werden nierbiopten tot nu toe altijd door een patholoog onder een microscoop beoordeeld, in de toekomst gaat dit mogelijk geautomatiseerd. Om de kans op afstoting nauwkeuriger te kunnen voorspellen, gebruiken wetenschappers van het DEEPGRAFT-consortium machine learning en kunstmatige intelligentie.

Door het tekort aan donornieren is het van groot belang dat een donornier zo lang mogelijk goed blijft functioneren. Jesper Kers, patholoog bij het Amsterdam UMC, maakt gebruik van kunstmatige intelligentie om beter te beoordelen of er sprake is van afstoting: ‘We hebben een algoritme ontwikkeld dat is getraind op meer dan 5.800 scans van nierbiopten. Het is de eerste keer in de wereld dat het is gelukt om direct de aanwezigheid van afstoting aan te tonen. Heel belangrijk om in de toekomst pathologen te kunnen ondersteunen in hun diagnose voor patiënten. En om het verschil tussen specialisten te verkleinen.’

Het algoritme geeft met een visuele terugkoppeling aan welke gebieden in het nierbiopt afwijkend zijn. Hiermee kan de patholoog de diagnose verder onderbouwen. Kers: ‘We werken nu aan een verdere verfijning van het algoritme zodat onderscheid gemaakt kan worden in bijvoorbeeld de verschillende subtypen van afstoting en de aanwezigheid van virale infecties zoals het BK-virus.’

Over het DEEPGRAFT-consortium

Het DEEPGRAFT-consortium is een samenwerking tussen Amsterdam UMC, UMC Utrecht, RWTH Aken (Duitsland) en KU Leuven (België), en is mede mogelijk gemaakt door een Kolff-beurs van de Nierstichting.

Deze week publiceerden de onderzoekers hun eerste resultaten in het toonaangevende tijdschrift The Lancet Digital Health: Deep learning-based classification of kidney transplant pathology: a retrospective, multicentre, proof-of-concept study