ENGINEERINGNET.BE - ‘Als dermatoloog let ik op dingen als pigmentvlekken, rimpels of het feit dat iemand in een zonnig land heeft gewoond. Het algoritme pikt meer kenmerken op dan alleen die klassieke risicofactoren voor huidkanker’, aldus dermatoloog dr. Marlies Wakkee.
Het team van Erasmus MC trainde het AI-model met ruim 2800 gezichtsfoto’s, elk gemaakt onder dezelfde omstandigheden. De onderzoekers weten welke mensen na het nemen van de foto huidkanker hebben ontwikkeld.
Het algoritme destilleerde 200 kenmerken uit de foto’s, op basis waarvan het risico op het ontstaan van huidkanker wordt voorspeld, in het gezicht of ergens anders op het lichaam. De AI-voorspelling klopt beter dan een voorspelling gebaseerd op huidonderzoek, vragenlijsten en genetisch onderzoek.
De onderzoekers gebruikten zogeheten explainable AI-methoden. Dat betekent dat te achterhalen is waarop het algoritme de voorspellingen baseert. Dat is niet altijd het geval met AI. Vaak is het een soort blackbox waarvan niet duidelijk is hoe het model tot een bepaalde uitkomst komt.
‘We maken zichtbaar wat de 200 kenmerken zijn waarop het model de voorspelling baseert. Als we die proberen terug te vertalen naar wat bekend is over het risico op huidkanker, zien we dat het algoritme kenmerken uit de gezichten vist waarvan we al weten dat ze samenhangen met huidkanker. Denk bijvoorbeeld aan rimpels’, legt Wakkee uit.
Maar daarnaast pakt het model kenmerken op die voor mensen minder duidelijk zijn. ‘Explainable is niet hetzelfde als interpretabel. We kunnen uitleggen wat het algoritme doet, maar wat de betekenis daarvan is, is niet zo duidelijk’, aldus mede-onderzoeker dr. Gennady Roshchupkin.
Wakkee en Roshchupkin zien twee mogelijke rollen voor hun AI-risicomodel voor huidkanker: preventie en bewustzijn. ‘Als je op basis van een foto weet dat je een hoog risico op huidkanker hebt, ga je bewuster om met de zon. Ook hopen we dat gewaarschuwde mensen hun huid beter in de gaten houden.’
Voorlopig is het AI-model nog niet bruikbaar in de kliniek, maar ligt de focus op vervolgonderzoek. ‘We willen het algoritme bijvoorbeeld testen op grotere datasets met foto’s van mensen met meer leeftijden en etnische achtergronden. Door het model openbaar te delen in de onderzoekswereld, kunnen collega-wetenschappers daarop voortbouwen. Dat kan de hele community van AI versnellen’, aldus Roshchupkin.
