Gebruik van kunstmatige intelligentie om overbehandeling van DCIS tegen te gaan.

Probleem
Ductaal carcinoom in situ (DCIS) kan zich ontwikkelen tot borstkanker, maar 3 van de 4 DCIS-afwijkingen zal dat nooit doen. In de huidige praktijk kunnen we de minderheid van hoog-risico DCIS-afwijkingen, welke mogelijk uitgroeien tot borstkanker, niet betrouwbaar onderscheiden van de laag-risico, onschadelijke DCIS-afwijkingen. Als gevolg hiervan worden bijna alle vrouwen met DCIS geopereerd en vaak ook bestraald om uitgroei tot borstkanker te voorkomen. Dit leidt uiteraard tot overbehandeling van onschadelijk DCIS. Daarom is het dringend nodig om de afwijkingen met een hoog risico op uitgroeien tot borstkanker te kunnen onderscheiden van de DCIS-afwijkingen met een laag risico op borstkanker. Dit is des te belangrijker, omdat DCIS vaak door middel van het bevolkingsonderzoek wordt gevonden, namelijk bij 2300 vrouwen per jaar in Nederland. Daarvan zal dus, in het licht van bovenstaande, waarschijnlijk bij 1500 vrouwen met een laag risico DCIS-afwijking nooit borstkanker ontstaan. Als we zo laag- van hoog-risico DCIS beter zouden kunnen onderscheiden, dan zouden we vele vrouwen de last van een intensieve behandeling, waar ze geen voordeel van hebben, kunnen besparen.

Doel
Ten eerste willen we ‘state-of-the-art’ artificiële (kunstmatige) intelligentie (AI) ontwikkelen om beter te kunnen onderscheiden wat DCIS met een hoog en wat DCIS met een laag risico is. Deze AI-methode wordt toegepast op de weefselmonsters en is erop gericht dat we op een objectieve en betrouwbare manier dat onderscheid leren maken. Verder willen we leren hoe dat onderscheid de onderliggende biologie van de hoog-risico en laag-risico DCIS-afwijkingen weerspiegelt. Dit kan ons helpen om de ziekte beter te begrijpen en overbehandeling van DCIS met een laag risico te verminderen.

Voorgestelde oplossing
Om de beperkingen van de huidige pathologiepraktijk te overwinnen bij het onderscheiden van onschadelijk en risicovol DCIS, zullen we een nieuwe aanpak volgen door op maat gemaakte, geavanceerde AI-algoritmen te gebruiken. Om een dergelijk model te kunnen bouwen, hebben wij beschikking over grote DCIS-datasets van vrouwen waar we over een periode van meer dan 12 jaar van weten of ze ooit daarna borstkanker hebben gekregen in dezelfde borst waar in eerste instantie de DCIS was aangetroffen. Bovendien zullen we biologische gegevens van dezelfde dataset integreren met onze op AI gebaseerde bevindingen, om op basis daarvan te begrijpen wat bepaald waarom de ene DCIS-afwijking mogelijk wel en de andere waarschijnlijk niet de neiging heeft om uit te groeien tot borstkanker.

Verwachte uitkomst
Als het risico van een bepaalde DCIS-afwijking op een zeer betrouwbare, objectieve manier zou kunnen worden ingeschat, kan veel beter bepaald worden of die DCIS-afwijking wel of niet behandeld moet worden in samenspraak met de vrouw die het betreft. Vrouwen kunnen meer vertrouwen hebben in hun diagnose en de bijbehorende risico's en kunnen samen met hun arts beter geïnformeerde beslissing nemen wat betreft hoe ze het best kunnen omgaan met de bij hen gevonden DCIS-afwijking. Behandelen zoals we altijd al deden bij een hoog risico om onderbehandeling te voorkomen en ook minder intensief behandelen of goed in de gaten houden bij een laag risico.