Endometriose en adenomyose sneller diagnosticeren met AI

Endometriose en adenomyose hebben een grote impact op de gezondheid van meer dan 190 miljoen mensen die vrouw zijn toegewezen bij de geboorte. Endometriose is een chronische, systemische ontstekingsziekte die wordt gekenmerkt door de aanwezigheid van cellen die lijken op baarmoederslijmvlies (endometrium) buiten de baarmoederholte. Adenomyose is daarentegen een chronische ontstekingsziekte die wordt gekenmerkt door de aanwezigheid van cellen die lijken op baarmoederslijmvlies binnen de spierwand van de baarmoeder. Beide aandoeningen kunnen verschillende klachten veroorzaken, zoals hevige menstruaties, chronische vermoeidheid en onvruchtbaarheid.

Momenteel is diagnose afhankelijk van zorgprofessionals die transvaginale echo’s analyseren, dit vergt een lange training en expertise om het goed te doen. Deze echo's zijn de eerste stap in beeldvormingstechniek en worden gebruikt in Nederland en Europa. AI toont veel potentie om de analyse van deze beelden te automatiseren, maar is daarbij afhankelijk van kwalitatieve data. Daarom werken projectleider Bianca Schor en haar team binnen AI4EA aan een grote en diverse open-source dataset. Die dataset zal in de tweede fase van het project de basis vormen voor de ontwikkeling van verschillende AI-modellen tot een werkbaar prototype.

AI4EA wordt ondersteund door het eerste Nederlandse consortium dat zich richt op AI-onderzoek voor endometriose en adenomyose. Het consortium wordt gecoördineerd door het Amsterdam UMC en bestaat uit 10 ziekenhuizen die gespecialiseerd zijn in endometriose en adenomyose en de patiëntenorganisatie ‘Endometriose Stichting’. De 10 ziekenhuizen dragen allemaal bij aan de open-source dataset.

Om ervoor te zorgen dat de dataset een representatief beeld geeft van de praktijk, volgt de projectgroep een gestandaardiseerd protocol, ontworpen voor het AI4EA-project. ‘Een standaardmethode zorgt ervoor dat de dataverzameling reproduceerbaar en vergelijkbaar is binnen verschillende projectgroepen. Ook willen we met de dataverzameling de kloof dichten tussen de beschikbaarheid van biologische data over mannen en vrouwen’, zegt Bianca. Een ander aandachtspunt is het verminderen van bias in de data. ‘Bias kan op meerdere niveaus voorkomen. Het ontstaat niet alleen door een eenzijdige vertegenwoordiging van de populatie, maar ook door verschillen in de gebruikte apparatuur of de techniek of de expertise van de professional die de scan uitvoert. Daarom werken we samen met verschillende ziekenhuizen en nemen we aanvullende maatregelen voordat de data worden gebruikt om de verschillende modellen te trainen.’

De dataset dient als basis voor de AI-modellen die zorgprofessionals kunnen ondersteunen bij het identificeren van kenmerken van endometriose en adenomyose op echobeelden. Na verloop van tijd, leren de modellen steeds complexere taken en uiteindelijk afwijkingen te identificeren die kunnen bijdragen aan de diagnostiek. De uiteindelijke verantwoordelijkheid voor diagnose en besluitvorming blijft altijd bij de medisch specialist liggen.

Bianca gelooft dat complexe medische vraagstukken, zoals endometriose en adenomyose, technologie en innovatie vereisen om vooruitgang te boeken. Ze zegt: 'Na de grote successen binnen de radiologie zou AI breder binnen de gezondheidszorg onderzocht moeten worden. Op zijn minst moeten professionals in de medische sector zich bewuster zijn van zowel de risico’s als de voordelen van AI.’

De succesvolle implementatie van AI in de klinische praktijk blijft een uitdaging binnen de gynaecologie. Bianca beschrijft dat veel modellen er niet in slagen om impact in de praktijk te realiseren, omdat ze niet genoeg aansluiten bij de behoefte van de eindgebruiker. Om dit te voorkomen, betrekt het consortium gynaecologen, patiënten en andere belanghebbenden gedurende het hele ontwikkelproces. Hun perspectieven en verschillende expertises zorgen ervoor dat de te ontwikkelen modellen inspelen op bestaande klinische behoeften en effectiever kunnen worden geïmplementeerd in de praktijk.

Bianca benadrukt dat dit project een eerste stap is naar betere zorg voor patiënten met endometriose en adenomyose. Ze zegt: ‘De gezondheid van vrouwen wordt nog steeds beschouwd als een niche, terwijl het de helft van de wereldbevolking betreft. Daarom zijn we ZonMw dankbaar dat zij ons project een podium bieden.’ Ze hoopt dat de impact van AI4EA verder reikt dan de ontwikkeling van de AI-modellen. Door de dataset, het protocol en de wetenschappelijke publicaties openbaar beschikbaar te maken, stelt het consortium onderzoekers over de hele wereld in staat om de voortgang in het begrip van endometriose, adenomyose en de gezondheid van vrouwen in bredere zin te versnellen.