Asabi Leliveld
Biografie
Asabi Leliveld is arts-onderzoeker (PhD-kandidaat) bij de afdeling Longgeneeskunde van het Erasmus MC. Haar onderzoek richt zich op de klinische meerwaarde en implementatie van AI-toepassingen voor vroege detectie van longkanker, met een focus op automatische longnoduledetectie op routine CT-scans en de evaluatie van nieuwe AI-gebaseerde predictiemodellen voor de klinische praktijk en longkankerscreening. De principes van waardegedreven AI-implementatie die zij onderzoekt, zijn mogelijk breder toepasbaar binnen de oncologie en andere medische domeinen.
AI-gedreven detectie van verdachte longlaesies bij radiotherapie voor borstkanker
🗓️Sessie 1: Duurzame initiatieven en innovatie
De kwaliteit van planning-CT-scans is de afgelopen jaren aanzienlijk verbeterd, waardoor deze beelden mogelijk ook geschikt zijn voor diagnostische toepassingen. AI-gebaseerde detectietools worden binnen de radiologie al breed ingezet voor de herkenning van longafwijkingen en kunnen mogelijk ook op planning-CT’s worden toegepast voor de detectie van longmetastasen of synchrone primaire longkanker.
Bij patiënten met borstkanker kan de aanwezigheid van dergelijke afwijkingen voorafgaand aan radiotherapie de behandelstrategie beïnvloeden. Omdat niet iedere patiënt een diagnostische thorax-CT ondergaat, kunnen relevante afwijkingen onopgemerkt blijven. Automatische analyse van planning-CT’s biedt daarom mogelijk een aanvullende strategie voor vroege detectie.
In een retrospectief cohort van borstkankerpatiënten die in het Erasmus MC radiotherapie ondergingen, analyseerden wij planning-CT-scans met een bestaande AI-tool voor longafwijkingen. De software kon deze scans succesvol verwerken en detecteerde zowel primaire longkankers, die klinisch vaak pas jaren later werden vastgesteld, als kleine longnoduli die later metastasen van het mammacarcinoom bleken te zijn.
Deze resultaten laten zien dat AI-software ontwikkeld voor diagnostische CT-scans ook toepasbaar kan zijn op planning-CT’s. Vervolgonderzoek is nodig om de diagnostische prestaties, klinische meerwaarde en kosteneffectiviteit verder te evalueren.