Met computerkracht naar een snellere, betere en goedkopere diagnose van bloedziekten

Samen met artsen uit het labo van Prof. Arjan van de Loosdrecht (VUMC Amsterdam), hebben onderzoekers uit het team van CRIG groepsleider Prof. Yvan Saeys een zogenaamd ‘machine learning’ model ontwikkeld, waarbij computerkracht gebruikt wordt voor de diagnose van ‘myelodysplastische syndromen’ (MDS), een groep van kwaadaardige bloedaandoeningen.

Momenteel vereist een correcte diagnose van MDS een onderzoek van hoe het beenmerg eruitziet en genetische testen, vaak aangevuld met een analyse van immuuncellen door middel van een techniek die ‘flow cytometrie’ heet en waarbij de individuele immuuncellen kunnen gevisualiseerd en daardoor nauwkeurig bestudeerd worden. Deze analyse verloopt typisch manueel, waarbij een arts of onderzoeker alle gegevens bekijkt en interpreteert.

Deze aanpak heeft belangrijke nadelen, zoals de tijdsinvestering en het gebrek aan reproduceerbaarheid en objectiviteit bij het manueel interpreteren van de gegevens.

Een analyse door ‘slimme’ computer biedt een antwoord op vele van deze nadelen, daarom ontwikkelden de onderzoekers een zogenaamd ‘machine learning’ model, waarbij ze computers ‘leerden’ om gegevens van MDS-patiënten op een correcte manier te interpreteren. Op die manier slaagden ze erin om de analysetijd te reduceren van 1u naar 30sec, waarbij de kwaliteit van de diagnose zelfs nog verbeterde.

Dit onderzoek brengt nieuwe ontwikkelingen in geautomatiseerde diagnose met behulp van ‘slimme computers’ een stap dichter bij toepassing in de kliniek. Deze methode zou ook gemakkelijk kunnen worden toegepast op andere immuun-gerelateerde ziekten, met als potentieel resultaat een snellere, betere, en goedkopere diagnose.

Lees het originele artikel via deze link.