donderdag 11 juli 2024
Een ‘glioom’ is een tumor in de gliacellen. Dat zijn steuncellen van de hersenen. Elk jaar krijgen ongeveer duizend Nederlanders de diagnose dat ze deze tumorvorm hebben. Zij zijn niet te genezen. De juiste behandelingen kunnen levensverlengend werken en klachten verminderen. Een voorwaarde daarvoor is dat radiologen nauwlettend in de gaten houden hoe de tumor zich ontwikkelt.
Medical Delta promovendus dr. Karin van Garderen (Erasmus MC) onderzocht methoden om radiologen te helpen deze beoordeling te maken. Ze deed dit onderzoek binnen het wetenschappelijke programma Medical Delta Cancer Diagnostics 3.0: Big Data Science of in & ex vivo Imaging en verdedigde recentelijk met succes haar proefschrift. Haar onderzoek droeg bij aan een nieuwe methodiek die inmiddels in het Erasmus MC wordt toegepast.
Dit interview is het veertiende in een reeks interviews met door Medical Delta gefinancierde PhD-kandidaten en postdoc onderzoekers. Het onderzoek van Karin wordt gefinancierd door het programma Medical Delta Cancer Diagnostics 3.0.
Wat onderzoek je, en hoe ben je op dit onderzoeksonderwerp gekomen?
“Ik heb natuurkunde gestudeerd en daarna informatica aan de TU Delft, met een specialisatie in ‘machine learning’ en kunstmatige intelligentie. Toen ik daarmee klaar was, wist ik eigenlijk niet goed wat ik wilde. Machine learning en kunstmatige intelligentie zijn natuurlijk ‘hot’, dus je kunt overal wel terecht - van grote online retailers tot industrie.
Mijn vriend werkt in het Erasmus MC aan de ontwikkeling van pacemakertechnologie en kwam met de gaafste verhalen thuis over wat ze deden en de indrukwekkende technologie die ze daarvoor gebruiken. Toen viel bij mij het kwartje en wist ik wat ik wilde: met technologie een verschil maken voor mensen. Ik kwam de vacature voor een PhD-onderzoeker tegen en ging aan de slag.
Toen viel bij mij het kwartje en wist ik wat ik wilde: met technologie een verschil maken voor mensen.Een kenmerk van een glioom is dat de tumor soms enige tijd stabiel is, maar er op een gegeven moment progressie van de tumor plaatsvindt. Dat kan het moment zijn om, in overleg met de patiënt, een nieuwe behandeling te starten of een operatie uit te voeren. Die periode wordt ook wel ‘watchful waiting’ genoemd.
Mensen die in behandeling zijn voor gliomen, worden nauwlettend in de gaten gehouden. Patiënten worden in die periode regelmatig in de MRI gescand; het beeld van de tumor op de MRI is vaak leidend voor de besluitvorming over de behandeling. De radioloog maakt op basis van scans de inschatting of er sprake is van tumorgroei. Hierbij worden meerdere scans over de tijd vergeleken. De dimensie ‘tijd’ is wat dit onderzoek voor mij als datawetenschapper zo interessant maakt.”
Wat hoop je te bereiken met jouw onderzoek?
“Ik ontwikkelde methoden om radiologen te helpen, onder meer door met behulp van kunstmatige intelligentie de tumor automatisch te omlijnen en kwantitatief te meten of er sprake is van groei. De analyse van de radioloog blijft de gouden standaard, waarbij de technologie de radioloog ondersteunt door bijvoorbeeld veel sneller een omlijning te maken in een 3D-scan – iets wat een radioloog veel tijd kost.
De technologie van deze automatische ‘volumemeting’ is niet nieuw, maar dankzij ons onderzoek is het inmiddels zo vergevorderd en dusdanig goed geëvalueerd dat het bij ons daadwerkelijk in de kliniek wordt gebruikt. Een erg mooi resultaat. De volgende stap is dat ook anderen buiten het Erasmus MC het kunnen gebruiken, maar daarvoor is verdere certificering nodig. Hopelijk komt er in de toekomst een product op de markt.
Gliomen zijn in te delen in gradaties. Met name bij laaggradige gliomen zie je dat ze in eerste instantie relatief langzaam groeien en goed reageren op therapie. Maar op een gegeven moment vindt er een soort evolutie plaats waardoor ze agressiever worden. Het is heel belangrijk om dat te kunnen zien op de MRI en het liefst nog te voorspellen. Daarvoor moet je op zoek gaan naar het moment voordat die groei plaatsvindt. Dat zou een volgende stap kunnen zijn in het onderzoek.”
Photo: Guido Benschop
Photo: Guido Benschop
Wat motiveerde je om juist dit onderzoek te doen?
“Dat is tweeledig. Ik wilde met mijn kennis van machine learning iets bijdragen aan de maatschappij. Dat we nu de technologie zo ver hebben weten te krijgen dat er een protocol is opgesteld waar radiologen daadwerkelijk mee kunnen werken, is natuurlijk erg mooi. Het lost echt problemen op.
Daarnaast is het ook het soort data waarmee je werkt dat interessant is als datawetenschapper. Ook voor andere soorten medische data is nog zoveel winst te halen met kunstmatige intelligentie. Machine learning is echt niet altijd even effectief of nuttig. Maar voor dit specifieke werkveld ben ik ervan overtuigd dat er nog veel mogelijkheden zijn.”
Wat zijn jouw ervaringen op gebied van samenwerking binnen het Medical Delta programma?
“In onze onderzoeksgroep zit best wel een grote variëteit aan onderzoekers. Er zijn natuurlijk de clinici, de mensen die veel weten van de technologie achter MRI-scans en datawetenschappers. Voor mijn onderzoek heb ik ook nog samengewerkt met biologen die naar de moleculaire evolutie van het glioom kijken en met neurologen. Ik moest met een hele brede blik kijken, wat heel interessant was en waar ik veel van heb geleerd.
Van mensen die daadwerkelijk patiënten behandelen, heb ik de benodigde input gekregen om een oplossing te helpen vinden voor een concreet probleem.Ik vond het heel fijn en nuttig om met mensen samen te werken die daadwerkelijk de patiënten behandelen. Van hen heb ik de benodigde input gekregen om een oplossing te helpen vinden voor een concreet probleem. Ik had daar wel een idee van, maar door met hen te praten en door ook zelf te ondervinden hoe lastig het is om in MRI-scans volumemetingen te doen en tumoren te omlijnen, kom je tot nieuwe inzichten. Je begrijpt beter waar het probleem ligt en kunt vervolgens gerichter zoeken naar oplossingen.
Ik ben ook naar een paar bijeenkomsten van Medical Delta geweest en dan zie je hoe gevarieerd de toepassingen eigenlijk zijn en hoeveel verschillende dingen er worden gedaan. Dat was tof om te zien. Ik had het gevoel dat we met z’n allen belangrijk werk doen.”
Een van de vorige geïnterviewden, Antonio López Marín, heeft als vraag voor jou: houdt jouw onderzoek rekening met de ontwikkelingen van AI en hoe kan dit in de toekomst doorontwikkeld worden?
“Voor een deel heb ik zelf onderzoek gedaan naar AI en dan vooral de toepassing ervan. De ontwikkelingen gaan natuurlijk erg snel, maar wat ik vooral heb gezien is dat het heel belangrijk is om AI echt te testen in de situatie waarin je het wilt toepassen, omdat je dan toch vaak meemaakt dat het net niet werkt zoals het zou moeten.”
Het proefschrift van Karin is hier te downloaden.
