Promotie: Improving prostate cancer detection and grading using novel digital technologies

Dit proefschrift onderzoekt de variatie in de Gleason-gradering bij prostaatkanker en de impact daarvan op de behandeling van patiënten. De Gleason-gradering wordt bepaald door de patholoog op basis van het prostaatnaaldbiopt, en vervolgens gebruikt om het risico van prostaatkanker te bepalen en daarmee uit verschillende behandelopties te kiezen. Het onderzoek toont aanzienlijke verschillen aan in de manier waarop pathologen en laboratoria deze gradering uitvoeren, met gevolgen voor de behandeling. Patiënten krijgen in laboratoria die hoger graderen vaker intensieve behandelingen, terwijl patiënten in lager graderende laboratoria vaker een minder ingrijpende behandeling ondergaan. Dit kan de uitkomsten voor patiënten beïnvloeden.

Het onderzoek bestudeert daarom ook interventies om deze variatie tussen pathologen en tussen laboratoria te verminderen. Een online e-learningmodule voor pathologen leidde tot enige verbetering, vooral bij de pathologen die het meest afweken van de norm. Echter, zelfs na deze training bleef variatie aanwezig. Feedbackrapporten naar laboratoria bleken geen significante verbetering te brengen in de consistentie van de gradering.

Daarnaast bespreekt het proefschrift de rol van kunstmatige intelligentie (AI) in de pathologie. AI kan mogelijk helpen om het opsporen en het graderen van kanker te verbeteren en tijd en geld te besparen. In ons onderzoek bleek dat pathologen die AI gebruiken bij het opsporen van prostaatkanker minder vaak extra immunohistochemische kleuringen aanvragen. Hierdoor worden kosten lager, en blijft patiëntveiligheid gehandhaafd. Toch staat de implementatie nog voor uitdagingen, waaronder technische en juridische hindernissen. AI heeft potentieel om de diagnostische nauwkeurigheid te verbeteren, maar er is meer onderzoek nodig voordat het breed kan worden toegepast in de dagelijkse praktijk.