IOTA-AI: AI-ondersteunde geautomatiseerde detectie van eierstokkanker op echografie

Eierstokkanker is de zevende meest voorkomende kanker bij vrouwen en vormt de meest dodelijke gynaecologische maligniteit. Tijdige diagnose en passende doorverwijzing naar expertisecentra voor gynaecologische oncologie zijn cruciaal om de resultaten voor de patiënt te verbeteren. Echografie (VS) is een gemakkelijk verkrijgbare, goedkope en onschadelijke techniek, en wordt algemeen aanvaard als eerstelijns beeldvormingsmethode voor de beoordeling van ovariële massa. Momenteel is het ADNEX-model het beste beschikbare wiskundige model op basis van echografie om onderscheid te maken tussen goedaardige en verschillende soorten kwaadaardige ovariumtumoren. Het is echter afhankelijk van het vermogen van de Amerikaanse operator om het tumorgebied en de bijbehorende kenmerken betrouwbaar (handmatig) te lokaliseren, af te bakenen en te meten. Eerder ontwikkelden we geautomatiseerde kenmerkdetectiemethoden in samenwerking met ESAT-STADIUS en General Electric, waar we de effectiviteit van een deep convolutionele neurale netwerkbenadering (DCNN) hebben aangetoond. Het doel van dit C3-project is om een volledig geautomatiseerd classificatiemodel voor triaging van patiënten met ovariële massa verder te ontwikkelen en te valideren. Implementatie van een dergelijk model in centra waar geen gespecialiseerde echoscopisten beschikbaar zijn, zou de vroege opsporing van eierstokkanker vergemakkelijken en een positieve invloed hebben op de overleving van patiënten.

Trefwoorden:AI - Deep learning and Transfer Learning, Clinical decision support systems, Ultrasound Imaging, Ovarian Cancer

Disciplines:Kankerdiagnose, Machine learning en besluitvorming