Usecase UMC Utrecht

Bij pancreaskanker (alvleesklierkanker) is de vroegtijdige diagnose van een terugkerende tumor (recidief) cruciaal. Het is echter moeilijk om littekens als gevolg van de operatie te onderscheiden van een recidief. Datacation kreeg de opdracht een AI toepassing te ontwikkelen die deze littekens op CT-scans kan onderscheiden van een recidief en daarbij artsen te ondersteunen in diagnosticeren.

De domeinkennis van de medisch specialisten van het UMC Utrecht is aangevuld met de technische expertise van Datacation. Met de input van de specialisten kon Datacation aan de slag om een algoritme te ontwikkelen dat met behulp van self-supervised learning de pancreas wist te segmenteren. Deze aanpak is extra interessant aangezien medische data beperkt is en self-supervised learning daar de oplossing voor biedt. Wij hebben met behulp van self-supervised learning een U-net getraind op basis van de pixels op de CT scans. Het algortime segmenteert eerst de pancreas. De volgende stap is om een classificatie te maken dat beslist of de tumor wel of niet is teruggekeerd.

Onze AI toepassing ondersteunt de medisch specialisten van het UMC Utrecht bij het vroegtijdig detecteren van pancreas recidieven. In drie maanden tijd heeft team Datacation een algoritme ontwikkeld dat de Dice Score (baseline/benchmark in de literatuur) al bijna weet te verslaan. Hiermee is het een zeer waardevolle toevoeging voor het detecteren van recidieven. We zijn dan ook trots om met ons algoritme bij te kunnen dragen aan innovatie binnen de zorg. De volgende stap is het ontwikkelen van een classificatie-algoritme dat bepaalt of de tumor al dan niet is teruggekeerd.