Philips en LabPON, het eerste klinische laboratorium dat volledig is overgestapt op digitale histopathologische diagnostiek, heeft plannen bekendgemaakt om met behulp van de Philips-oplossing IntelliSite Pathology1 een digitale databank op te zetten met daarin enorme samengevoegde reeksen geannoteerde pathologiebeelden en ‘big data’. De databank biedt pathologen een schat aan klinische informatie voor de ontwikkeling van beeldanalysealgoritmen voor computational pathologie en pathologieonderwijs. Daarnaast kan de databank bijdragen aan het bevorderen van onderzoek en nieuwe ontdekkingen met het oog op nieuwe inzichten in de evaluatie van ziektebeelden, bijvoorbeeld in de oncologie.
‘Deep learning’ algoritmen kunnen mogelijk de objectiviteit en efficiëntie van tumordiagnostiek verbeteren. ‘Deep learning’ technieken voor beeldanalyse zijn in de afgelopen jaren uitgegroeid tot de standaardaanpak als het gaat om ‘computer vision’ en hebben bewezen in een aantal taken2 beter te presteren dan de mens. De uitdaging bij het uitvoeren van dergelijke technieken is dat er een databank beschikbaar moet zijn met een gegevensbestand dat zowel kwalitatief als qua omvang toereikend is om de algoritmen te ontwikkelen. Als een van de grootste pathologische laboratoria in Nederland zal LabPON zijn beeldenbestand beschikbaar stellen, waarmee elk jaar naar verwachting circa 300.000 ‘whole slide images’ (WSI) aan de databank zullen worden toegevoegd. Daartoe behoren geanonimiseerde gegevensreeksen van geannoteerde casussen die door de patholoog handmatig van commentaar zijn voorzien. Verder omvat de databank uiteenlopende weefsel- en ziektecategorieën, en andere diagnostische informatie om ‘deep learning’ te faciliteren.
“Bij ‘deep learning’ gaat het om de ontwikkeling van geavanceerde computerprogramma’s die weefselbeelden automatisch begrijpen en zeer gedetailleerd digitaal in kaart brengen: hoe meer gegevens er beschikbaar zijn, des te verfijnder de computeranalyse zal zijn”, zegt Peter Hamilton, hoofd van de werkgroep Image Analytics bij Philips-onderdeel Digital Pathology Solutions. “LabPON en Philips hebben samen de benodigde competenties en vaardigheden om dit te realiseren.”
Aangezien er momenteel sprake is van een stijgend tekort aan pathologen en ook het aantal oncologische casussen steeds meer toeneemt,3,4 wordt het nauwkeurig diagnosticeren en stageren van kanker steeds complexer, waardoor de werkdruk op pathologische diensten toeneemt. Technologieën als computational pathologie kunnen pathologen hulpmiddelen aanreiken waarmee ze zo efficiënt mogelijk kunnen werken.
“De rol van de patholoog blijft belangrijk bij het stellen van de definitieve diagnose en is van grote invloed op de behandeling van de patiënt. Softwareprogramma’s kunnen helpen om pathologen een deel van hun werkzaamheden uit handen te nemen, zoals identificatie van tumorcellen, telling van mitotische cellen of vaststelling van perineurale en vaso-invasieve groei. Daarnaast kunnen op deze manier metingen nauwkeuriger worden verricht”, aldus Alexi Baidoshvili, patholoog bij LabPON. “Uiteindelijk zou dit kunnen helpen de kwaliteit van de diagnostiek te verhogen en diagnoses objectiever te maken.”
Afgezien van de ontwikkeling van computeralgoritmen voor diagnostisch gebruik is Philips van plan de databank via het Philips-platform voor translationeel onderzoek beschikbaar te stellen aan onderzoeksinstellingen en andere partners. Daarmee krijgt een select aantal partijen de mogelijkheid een beroep te doen op enorme gegevensreeksen en deze te combineren om zo nieuwe inzichten op te doen die uiteindelijk kunnen worden omgezet in nieuwe gepersonaliseerde behandelingsopties voor patiënten.
Philips presenteert zijn portfolio van pathologieoplossingen op stand 202 tijdens het jaarcongres van de United States and Canadian Academy of Pathology (USCAP). Ga naar voor meer informatie over onze aanwezigheid op USCAP en volg @Philips_Path voor #USCAP17-nieuws gedurende het congres.
1 IntelliSite Pathology voldoet aan de CE-IVD-criteria voor primaire diagnostiek. In de Verenigde Staten is een aanvraag voor de‑novo-classificatie van IntelliSite Pathology ingediend.
2 Kaiming He Xiangyu et al. Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification.
3 Royal College of Pathologists, https://www.rcpath.org/profession/workforce/workforce-planning.html, opgevraagd in december 2016.
4 International Agency for Research on Cancer and Cancer Research UK. World Cancer Factsheet. Cancer Research UK, Londen, 2014.
