Huisartsen hebben een belangrijke rol bij het opsporen van kanker. Ruim 90 procent van de patiënten die in het ziekenhuis de diagnose kanker krijgen, is doorverwezen door een huisarts die nader onderzoek raadzaam vond. Elke vertraging in de diagnose heeft invloed. Bij longkanker bijvoorbeeld, leidt vier weken later beginnen met een behandeling tot 6 procent toename van sterfte. Waarschijnlijk heeft het eerder stellen van de diagnose een omgekeerd effect op dat sterftecijfer.
“De huisarts zal echter pas doorverwijzen als er voldoende aanwijzingen zijn voor kanker”, zegt Henk van Weert, hoogleraar Huisartsgeneeskunde. “Daar gaan soms enkele consulten overheen, omdat patiënten vaak in eerste instantie alleen met vage symptomen op het spreekuur komen, die onvoldoende zorgwekkend zijn.” Bij duidelijkere verschijnselen, die op kanker kunnen wijzen, zien de meeste patiënten binnen twee weken een specialist. In dat opzicht doen huisartsen hun werk volgens Van Weert vrij goed. “In het traject bij de huisarts lijkt bij de huidige stand van de wetenschap dus weinig tijdwinst, en dus gezondheidswinst, te boeken.”
Vrije tekst in patiëntendossiers
Desalniettemin vroegen Van Weert en zijn collega-hoogleraar Niek de Wit van het UMC Utrecht zich in 2016 af of huisartsen toch een bijdrage kunnen leveren aan het nog vroeger opsporen van kanker. En wel met behulp van de patiëntendossiers die ze bijhouden. “Huisartsen hebben vaak wel tien jaar of nog veel langer contact met een patiënt, soms ook met hun familie en kinderen”, legt Van Weert uit. “In die periode noteren ze van alles in hun patiëntendossiers: de aanleiding voor een consult, diagnoses, onderzoeksuitslagen, medicijnen, sociale informatie, werk. Sommige informatie is gecodeerd, maar veel noteert de huisarts ook in vrije tekst. Zo’n dossier is daarom een rijke bron van gegevens die mogelijk voorbodes bevatten, in welke vorm dan ook, van het soort kanker dat de patiënt heeft gekregen.”
Veel winst te behalen
Van Weert en De Wit vatten het idee op om met kunstmatige intelligentie de dossiers van een groot aantal kankerpatiënten te onderzoeken op bepaalde termen en (delen van) zinnen. Zo hoopten ze overeenkomsten op te sporen. Ze benaderden hoogleraar Ameen Abu-Hanna van de afdeling Klinische Informatiekunde. Die wilde de uitdaging wel aangaan om een algoritme te ontwikkelen dat signaleert of een patiënt mogelijk kanker heeft, nog voordat deze duidelijke symptomen vertoont die daar op kunnen wijzen. “We hadden op voorhand geen idee of die aanwijzingen daadwerkelijk te vinden waren in de dossiers”, zegt Abu-Hanna. Het project werd ‘AI-DOC’ gedoopt: Artificial Intelligence for earlier Detection Of Cancer.
Allereerst was voor een vruchtbare analyse een groot aantal patiëntendossiers nodig. Samen met AI-DOC-partners UMC Utrecht en UMC Groningen hadden de Amsterdam UMC’ers via een beveiligd netwerk toegang tot 1,5 miljoen patiëntendossiers. Dit waren geanonimiseerde dossiers, door huisartsen beschikbaar gesteld voor onderzoeksdoeleinden. Daaruit werd een selectie gemaakt van patiënten boven de veertig jaar, waarna er 550.000 overbleven.
De onderzoekers vulden deze dossiers aan met data uit de Nationale Kanker Registratie, zodat ze zeker wisten welke patiënten daadwerkelijk kanker hadden en wanneer hun diagnose definitief was gesteld via weefselonderzoek. “Daarmee voorkwamen we dat misleidende informatie in patiëntendossiers onze analyses zou vervuilen”, legt Van Weert uit. “Bijvoorbeeld een notitie over darmkanker van de vader, terwijl de patiënt zelf helemaal geen darmkanker heeft gehad.” Na die verrijking van de data konden de onderzoekers hun analyses uitvoeren op alle dossiers van patiënten met dezelfde soort kanker. De dossiers van patiënten zonder die vorm van kanker dienden als controlegroep.
Er werd gezocht op long-, darm-, eierstok- en alvleesklierkanker – vormen van kanker waarbij veel winst te behalen is.
Dikkedarmkanker
De eerste uitkomsten zijn intussen gepresenteerd op het Intelligence Health-congres 2021, maar nog niet gepubliceerd in een wetenschappelijk vakblad. Het ontwikkelde algoritme bleek bij longkanker en dikkedarmkanker in staat om drie à vier maanden voor verwijzing door de huisarts kanker op te sporen. Een op de zestien patiënten die door het algoritme werden aangewezen, had ook daadwerkelijk kanker. En dan wordt nog één van de drie patiënten gemist. “Dat betekent dat het algoritme bijvoorbeeld iets beter lijkt te zijn dan de FIT-test die nu wordt gebruikt in het bevolkingsonderzoek voor dikkedarmkanker”, zegt Van Weert. Bij eierstok- en alvleesklierkanker lukte het onvoldoende om vroege aanwijzingen te vinden in de patiëntendossiers. Van Weert: “Dat kan komen omdat die kankers niet vaak genoeg voorkomen, maar dat weten we niet. We zouden het algoritme op nog grotere hoeveelheden patiëntendata moeten loslaten om daarover uitsluitsel te krijgen.”
Black box
Voortzetting van het AI-DOC-project is afhankelijk van verdere subsidiering. “Er zijn nog veel stappen te zetten voordat we een softwareprogramma hebben dat bruikbaar is in de huisartspraktijk”, zegt Abu-Hanna. “Het huidige algoritme is een black box. Dat bekent dat we niet weten welke woorden en zinsdelen en combinaties daarvan precies relevant zijn als vroege aanwijzingen voor kanker. Daar gaan we verder onderzoek naar doen.” Volgens Abu-Hanna is die kennis belangrijk voor het vertrouwen dat huisartsen stellen in zo’n softwareprogramma. “Ze willen toch een idee hebben van wat er in de black box gebeurt.”
Inzetten in de praktijk
Of en hoe huisartsen het programma uiteindelijk zullen gaan inzetten in hun praktijk, is nog een open vraag. Abu-Hanna: “Je zou het kunnen inbouwen in een systeem dat een waarschuwing of reminder geeft als een patiënt op het spreekuur komt. Bijvoorbeeld met de boodschap: let op, deze patiënt heeft een verhoogde kans op X, overweeg Y of Z. Maar dat is allemaal toekomstmuziek.” Behalve een verdere ontwikkeling van het algoritme vergt dat ook veel ethisch en maatschappelijk onderzoek.
Tekst: Frank van Kolfschooten
Foto: Marieke de Lorijn
