De computer leren om afstoting beter te voorspellen
16 November 2021
Door het tekort aan donornieren is het van groot belang dat een donornier zo lang mogelijk goed blijft functioneren. Maar hoe beoordeel je dit? In het DEEPGRAFT-consortium staat deze vraag centraal. Deze week publiceerden de onderzoekers hun eerste resultaten in het toonaangevende tijdschrift The Lancet Digital Health.
Jesper Kers, patholoog bij het Amsterdam UMC, maakt gebruik van kunstmatige intelligentie om beter te beoordelen of er sprake is van afstoting. Kunstmatige intelligentie is een onderzoeksveld dat de laatste jaren veel nieuwe ontwikkelingen heeft doorgemaakt. Kers: “We hebben een algoritme, een ingewikkelde wiskundige formule, ontwikkeld dat is getraind op meer dan 5.800 scans van nierbiopten. Het is de eerste keer in de wereld dat het is gelukt om direct de aanwezigheid van afstoting aan te tonen. Heel belangrijk om in de toekomst pathologen te kunnen ondersteunen in hun diagnose voor patiënten. En om het verschil tussen specialisten te verkleinen.”
Het algoritme geeft met een visuele terugkoppeling aan welke gebieden in het nierbiopt afwijkend zijn. Hiermee kan de patholoog de diagnose verder onderbouwen. Kers: “We werken nu aan een verdere verfijning van het algoritme zodat onderscheid gemaakt kan worden in bijvoorbeeld de verschillende subtypen van afstoting en de aanwezigheid van virale infecties zoals het BK-virus.”
Het DEEPGRAFT-consortium is een samenwerking tussen Amsterdam UMC, UMC Utrecht, RWTH Aken (Duitsland) en KU Leuven (België), en is mede mogelijk gemaakt door een Kolff-beurs van de Nierstichting.
