Pathologen gaan in de cloud

Traditioneel kun je alleen samen naar een preparaat kijken met behulp van een zogenoemde multikop: een microscoop met twee sets kijkvensters. Even digitaal een bestandje mailen zit er niet in: tot een paar jaar geleden bestond er geen scanner die gedetailleerd genoeg een heel preparaat kon scannen. Een foto van een preparaat is al gauw vijf gigabyte groot en dat zet je niet even op de mail. Bovendien: alles wat een connectie heeft met internet is gevoelig voor informatielekken, en de informatie die weefselcoupes bevat is privacygevoelig.

3.000 Megapixel

“Beveiliging en de omvang van bestanden waren onze grootste uitdagingen”, vertelt Nikolaos Stathonikos, ICT-specialist bij de pathologie-afdeling van het Universitair Medisch Centrum Utrecht (UMCU) en projectleider van het tEPIS-project. Dit project, waarin pathologie-afdelingen van zes universitair medische centra en Philips participeren, beoogt om datgene te doen wat tot nu toe onmogelijk was: op afstand preparaten bekijken, informatie met elkaar te delen en grootschalig pathologisch onderzoek logistiek sterk te vereenvoudigen.

tEPIS, het _Trait Enhanced Pathology Image Sharing_-systeem, bouwt voort op een recente technologische ontwikkeling: het kunnen scannen van microscoopglaasjes. Preparaten zijn vaak minder dan een vierkante centimeter, maar recente scanners kunnen die vierkante centimeter scannen op een duizelingwekkende drieduizend megapixelformaat. Coupescanners leveren digitale beelden, die anders dan microscoopglaasjes niet kunnen breken, kwalitatief niet achteruit gaan en kopieerbaar zijn. Maar die beelden zijn niet alleen heel gedetailleerd, ze zijn ook enorm groot.

Medische gegevens

“Je kunt dat soort beelden normaliter niet met elkaar delen via het web”, stelt Stathonikos. “Hoe snel je verbinding ook is, ‘even door een preparaat scrollen’ is er niet bij.” De oplossing is een digitale techniek, waarbij alleen het deel wat je wilt bekijken via het web op jouw computer belandt. De scan blijft netjes op een server staan. De tEpis-software berekent welk deel van die scan, op welke vergroting, je computer moet tonen. Jan-Willem Boiten, projectcoördinator van het overkoepelende Trait-consortium: “Vergelijk het met Google Earth. Als je dat opstart, zie je afhankelijk van je locatie je eigen land in beeld. Ga je zoomen, dan stuurt Google je gedetailleerdere informatie. Wil je weer meer overzicht, dan krijg je weer een nieuwe uitsnede.”

Was het uitwisselen van grote bestanden vooral een technisch probleem, de beveiliging van gegevens is foutgevoelig op menselijke schaal. Daarom wordt de herkomst van de scans apart van de scans zelf opgeslagen. Op die manier wordt het risico dat een hacker uit de cloud medische gegevens van meneer Pietersen kan peuteren minimaal. Stathonikos: “Wat het web op gaat, is niet tot patiënten herleidbaar. Maar we hebben, onvermijdelijk, voor een breed scala van beveiligingsissues een oplossing moeten bedenken.”

Nieuw onderzoek

De digitale uitwisselingstechniek is niet alleen handig voor een second opinion bij een collega aan de andere kant van de oceaan. Je kunt er ook veel makkelijker onderzoek mee doen. In onderzoek naar bioimaging-technieken is digitalisering een uitkomst. Het idee is dat de computer op basis van het digitale bestand vast wat voorwerk doet om te bezien of het preparaat bijvoorbeeld kankercellen bevat. Dat gebeurt met algoritmes zodat de computer weet waar hij op moet letten. Lastig is alleen wel, dat verschillende algoritmes moeilijk te vergelijken zijn.

De problemen ontstaan doordat pathologen cellen of onderdelen daarvan in een weefselcoupe kleuren om ze zichtbaar te maken. Dat moet ook wel, anders zou je überhaupt te weinig zien op een preparaat. Maar de verschillen tussen laboratoria zijn groot, voor kleuringen en voor de kwaliteit van digitale scans. Voor diagnostiek is dat prima, want het geoefende menselijk oog is erg flexibel. Maar als je een computer wil leren om geautomatiseerd beelden te interpreteren is dit een probleem.

Grand Challenge

Desondanks buitelen in het biomedische beeldanalyseonderzoek de publicaties over elkaar heen waarin onderzoekers claimen dat ze een algoritme hebben ontwikkeld dat microscoopbeelden goed weet te duiden. “Maar wat is nou het beste algoritme”, vraagt Jeroen van der Laak van het Radboud Universitair Medisch Centrum zich retorisch af. “Veel van dat soort publicaties blijken, eenmaal geverifieerd door andere onderzoeksgroepen, sterk afhankelijk van de behandeling van het preparaat. Terwijl je juist een algemeen bruikbaar algoritme wil.”

In beeldanalyseonderzoek worden daarom voor klinisch relevante toepassingen soms zogenoemde Grand Challenges georganiseerd: een uitdaging aan deelnemers om voor een gegeven set beelden een algoritme te schrijven dat betrouwbaar en algemeen bruikbaar is. Die set aan beelden is daarbij liefst samengesteld uit verschillende bronnen. Het klinkt als een spelletje, maar het is uitermate nuttig: de beste algoritmes komen zo naar boven drijven, en dat brengt het vakgebied een stuk verder.

Software

In de pathologie zijn er nog relatief weinig van dergelijke challenges georganiseerd. De groep van Van der Laak is november 2015 begonnen met een bijzondere challenge. Doel hiervan is om tot een algoritme te komen dat op basis van lymfeklierweefsels van borstkankerpatiënten aan pathologen kan aangeven waar zich kankercellen bevinden. Van der Laak: “Normaliter moet je daarvoor als patholoog meerdere coupes geheel inspecteren, maar dat is tijdrovend en foutgevoelig. Je ziet snel iets over het hoofd. Hier is automatisering echt van nut.”

Het bijzondere aan de challenge is dat die als eerste volledig gescande microcopische preparaten aanbiedt, die via het tEPIS-systeem uitgewisseld worden. Van der Laak: “Het kan ook zonder, natuurlijk. Maar dat vraagt veel specifieke kennis van pathologiebeelden. Nu hebben we een goed interface. Dat maakt het schrijven van software veel eenvoudiger. Juist voor de informatici die je bij zo’n challenge nodig hebt, levert dat echt een grote meerwaarde.”