Bij veel patiënten met acute myeloïde leukemie (AML) keert de ziekte na succesvolle behandeling helaas terug. Amsterdam UMC is al 25 jaar koploper in het ontwikkelen van gevoelige methodes om achtergebleven leukemiecellen op te sporen. Met kunstmatige intelligentie (AI) kan dat nu even accuraat én veel sneller.

Tot nu toe worden achtergebleven leukemiecellen opgespoord met de zogenaamde flow cytometrie. Deze methode is zeer effectief, maar de analyse is tijdrovend en vereist veel expertise. Onderzoekers van Amsterdam UMC Cancer Center Amsterdam hebben daarom onderzocht of een deel van de klinische analyses in de hematologie geautomatiseerd kan worden door gebruik te maken van een door hen ontwikkeld AI-algoritme. Dat blijkt inderdaad effectiever. De analyse kan worden uitgevoerd in slechts 3 seconden. Bovendien geeft AI-analyse, in tegenstelling tot handmatige analyse, altijd een eenduidig resultaat.

Goede voorspeller

Het algoritme voorspelt net zo goed of de ziekte terugkomt als de traditionele handmatige methode. Dat blijkt uit onderzoek van Tim Mocking en Costa Bachas onder 399 AML-patiënten. Mocking: “Patiënten bij wie we resterende leukemiecellen vonden, kregen ongeacht de methode waarmee we analyseerden ongeveer even vaak een recidief – een terugkeer van de ziekte. We zien dus dat de voorspellende waarde van de AI-analyse vergelijkbaar is met die van de huidige analysemethode. Dit is een belangrijke eerste stap naar toekomstige klinische implementatie van AI.” Voordat analyse met het AI-algoritme in de praktijk ingezet kan worden, zijn nog verdere validatiestudies nodig.

We waren verrast dat deze methode zo goed en zo snel werkt
Tim Mocking
Onderzoeker afdeling Hematologie van Amsterdam UMC

Tijdwinst

De huidige handmatige analyse kost analisten veel tijd en moet altijd door twee mensen worden gecontroleerd om fouten te voorkomen. Bovendien beschikt Amsterdam UMC over nieuwe apparatuur waarmee in de toekomst meer data worden gegenereerd per meting. Om deze data goed te gebruiken, is handmatige analyse steeds minder praktisch. “Dankzij deze AI-innovatie kunnen analyses sneller en efficiënter worden uitgevoerd, waardoor er meer tijd overblijft voor andere belangrijke taken”, zegt Mocking enthousiast. “Voor analisten kan bijvoorbeeld meer tijd vrijkomen voor extra meetmomenten en voor specialistische analyses waar hun expertise voor nodig is. Bovendien zou het AI-algoritme mogelijk nieuwe cellen kunnen detecteren die gerelateerd zijn aan de ziekte, maar die we nog niet kennen.”

Meer informatie

De resultaten van de studie van Tim Mocking en collega’s zijn vandaag gepubliceerd in een ‘Letter’ in het toonaangevende wetenschappelijke blad Nature Leukemia.

Foto's: Marieke de Lorijn (foto bovenaan) en Robert Pavaloaia (portret)