Labmedewerkers die speuren naar parasieten in poepmonsters krijgen nu de hulp van automatische beeldherkenning op basis van AI.

Er zijn veel gevallen waarin kunstmatige intelligentie (AI) ten onrechte als ‘beter dan de mens’ wordt aangeprezen. Maar als er een sector is waar AI nu al meerwaarde heeft, dan is het wel de medische sector.

Dat blijkt ook weer uit nieuw onderzoek in de Verenigde Staten. Onderzoekers aan de University of Utah laten zien dat bij het zoeken naar parasieten in poepmonsters gebruik van AI betere resultaten oplevert dan wanneer alleen een menselijke patholoog naar zo’n monster kijkt. Ze schrijven erover in het wetenschappelijke tijdschrift Journal of Clinical Microbiology (gratis te lezen).

Eitjes, cysten of larven

Het gaat dan om parasieten zoals amoeben en talloze soorten wormen, en dan met name de eitjes ervan. Wanneer bij iemand de aanwezigheid van zo’n parasiet wordt vermoed, levert die persoon een monster in van de ontlasting. Een gespecialiseerde medewerker van een analyselab prepareert de poep dan en legt een monster onder een microscoop. Dan begint de zoektocht naar eitjes, cysten of larven

Speuren in poepmonsters

Punt is dat dit werk is waar een hoogopgeleide medewerker lange tijd mee bezig is, en dat de beoordeling behoorlijk subjectief is. Daarbij duurt het lang om iemand hiervoor op te leiden, schrijven de onderzoekers in hun artikel. ‘En in ontwikkelde landen komen parasieten veel minder voor dan vroeger, dankzij vooruitgang in gezondheidszorg en persoonlijk hygiëne.’ Goed nieuws natuurlijk, maar voor laboratoriummedewerkers betekent het ‘dat ze veel tijd besteden aan het speuren in poepmonsters, waarvan maar 2 à 3 procent een parasiet bevat.’ Daarbij ligt verveling op de loer, wat tot een lagere kwaliteit van de analyse kan leiden. Ook krijgen sommige analisten last van burn-out door de saaie aard van het werk, schrijven ze.

Microscoopbeeld van een eitje van een parasiet in een poepmonster. Foto: Knowledge.depositphotos.com

Getraind

Daarom ontwikkelden wetenschappers van ARUP Laboratories, onderdeel van de University of Utah, een deep learning-model (een bepaalde vorm van AI) voor dit doel, in samenwerking met het bedrijf Techcyte. Het model is eerst getraind op vierduizend beelden van poepmonsters van over de hele wereld waarvan bekend is welke parasieten ze bevatten. Vervolgens ging het AI-model met nieuwe microscoopbeelden aan de slag.

Grotere gevoeligheid

De resultaten zijn positief. Het AI-systeem herkent parasieten met een grotere gevoeligheid dan mensen in het lab, zelfs dan medewerkers die jarenlange ervaring hebben.

Eerste auteur van de studie, Blaine Mathison, is in zijn nopjes met de resultaten. ‘Onze validatiestudies tonen aan dat het AI-algoritme een betere klinische gevoeligheid heeft’, zegt hij in een nieuwsbericht. ‘Daardoor neemt de kans dat een ziekmakende parasiet wordt gedetecteerd, toe.’

Uitstrijkjes

De mensen van ARUP Laboratories gaan door met het verbeteren van hun AI-modellen voor gebruik in analyselabs. Behalve voor parasitologie lijkt de techniek ook bruikbaar voor het analyseren van uitstrijkjes, op zoek naar afwijkende cellen die baarmoederhalskanker verraden.

 

Openingsbeeld: Eerste auteur van de studie Blaine Mathison, technisch directeur parasitologie van ARUP Laboratories. Foto: ARUP Laboratories