Een nieuwe tool voor kunstmatige intelligentie (AI), ontwikkeld door een team van de Universiteit van Toronto, zou in staat kunnen zijn om de tijd die nodig is om behandelingsprogramma's voor bestralingstherapie op te stellen voor mensen met kanker, aanzienlijk te verkorten.
Om de door AI geproduceerde relevante behandelprogramma's te controleren, keken de onderzoekers naar 217 patiënten met hoofd-halskanker bij wie hun bestralingsschema's op traditionele wijze waren ontwikkeld. De plannen waren vergelijkbaar.
"Er zijn andere AI-optimalisatiemotoren ontwikkeld, maar het concept achter de onze is dat het de huidige medische best practices beter imiteert ", zegt Aaron Babier, de hoofdauteur van het onderzoek van de Engineering Department van de University of Toronto.
Momenteel kan het ontwikkelen van bestralingstherapieplannen voor de tumor van elke individuele patiënt dagen duren, kostbare tijd voor patiënten aangezien de kanker vaak blijft groeien en evolueren, maar ook voor artsen die enige tijd besteden aan het ontwerpen van deze ingewikkelde behandelingsstrategieën.
Hoofd-halskankers zijn notoir moeilijk om behandelingsprogramma's te ontwerpen, aangezien tumoren opmerkelijk kunnen verschillen van patiënt tot patiënt. De onderzoekers verwachten dat, aangezien het instrument zo goed werkte bij deze lastige, complexe kankersoort, het in staat zou moeten zijn om meer voorkomende tumortypen aan te kunnen die niet zoveel variatie vertonen, zoals prostaatkanker.
Babier maakt zich in dit geval graag zorgen dat AI niet de bedoeling is om beroepsbeoefenaren in de gezondheidszorg te vervangen, maar hen wel tijd kan besparen door aanzienlijk grondwerk te verrichten. Als het programma eenmaal een behandelprogramma heeft gemaakt, zou het toch worden herzien door middel van een stralingsfysicus en aanvullend worden aangepast, wat nog een paar uur in beslag neemt.
Het is bekend dat AI een belangrijke rol speelt in de toekomst van de diagnose, monitoring en therapie van kanker, maar sommige zorgprofessionals hebben hun bezorgdheid geuit over de ethiek van het gebruik van machine learning-tools om klinische beslissingen te nemen. Een dergelijke zorg, gepubliceerd in een artikel eerder dit jaar in het New England Journal of Medicine door onderzoekers en artsen in Stanford, zei:
'Artsen moeten op bevredigende wijze begrijpen hoe berekeningen tot stand komen, serieus de oorsprong beoordelen van de informatie die wordt gebruikt om de statistische modellen te maken die zijn ontwikkeld om uitkomsten te voorspellen, begrijpen hoe de modellen functioneren en ervoor waken dat ze er niet te afhankelijk van worden.'
Hierin schuilt een vrij algemeen probleem met nieuwe technologische ontwikkelingen in de geneeskunde van tegenwoordig - de vraag naar artsen om specialistisch inzicht te krijgen in de gloednieuwe diagnostische methoden die ze gebruiken, zodat ze volledig kunnen begrijpen hoeveel ze erop kunnen vertrouwen om hun beslissingen over patiënten te beïnvloeden. Een soortgelijke discussie is gaande voor voortdurend controversiële vloeibare biopsieën voor kanker.
Ondanks al deze problemen is het gebruikelijk om door mensen in de gezondheidszorg in AI te investeren, en grote bedrijven zoals Microsoft en IBM gebruiken het momenteel voor verschillende programma's. Veel bedrijven lijken AI te zien als een mogelijke oplossing om de langdurige en obsceen dure procedure voor het ontdekken van geneesmiddelen te stroomlijnen. Het in Toronto gevestigde biotechbedrijf BenchSci heeft vandaag 28 farmaceutische bedrijven en 97 startups geteld die momenteel AI gebruiken voor hun geneesmiddelenontdekkingsprocessen.
In het geval dat AI wordt gebruikt om het ontwerp van radiotherapiebehandelingen te helpen, zegt Babier dat zijn specifieke instrument meer een uitbreiding is van wat momenteel beschikbaar is voor werknemers in de gezondheidszorg, dan een revolutie.
"Het is in feite een vrij eenvoudige plug-in om te helpen met wat er momenteel in een klinische omgeving is, maar met intelligentere parameters dan momenteel beschikbaar", zei Babier.
Het team van de Universiteit van Toronto is niet de enigen die werken aan het optimaliseren van de bestralingsbehandeling met AI.