Deep learning-gebaseerd systeem om het resectionsvolume bij hepatocellulair carcinoom te voorspellen met contrastversterkte CT

Slimmere planning voor leverkankeroperaties

Voor mensen met leverkanker is een van de grootste uitdagingen voor chirurgen het bepalen hoeveel van de lever verwijderd moet worden. Verwijder je te weinig, dan kan de tumor terugkeren; verwijder je te veel, dan blijft er mogelijk niet genoeg gezond leverweefsel over om te overleven. Deze studie introduceert een nieuw systeem met kunstmatige intelligentie (AI) dat CT-scans gebruikt om artsen snel en nauwkeurig te helpen bij het plannen van leveroperaties, met als doel de operatie veiliger, sneller en consistenter te maken.

Waarom levergrootte zo belangrijk is

De meest voorkomende primaire leverkanker, hepatocellulair carcinoom, is zowel agressief als wereldwijd steeds frequenter. Een operatie die de tumor volledig verwijdert, geeft sommige patiënten de beste kans op langdurig overleven. Maar de lever is niet zomaar een orgaan dat vrij kan worden weggesneden. Ze vervult veel vitale taken, van het filteren van gifstoffen tot het verwerken van voedingsstoffen. Als chirurgen te veel wegnemen, kunnen patiënten na de ingreep een levensbedreigende leverinsufficiëntie krijgen. Aan de andere kant vergroot het laten van te kleine marges rondom de tumor de kans dat kankercellen achterblijven. Het nauwkeurig berekenen welk deel van de lever veilig te verwijderen is, is daarom essentieel in de moderne leverchirurgie.

De trage, handmatige status quo

Tegenwoordig gebeurt deze zorgvuldige berekening meestal handmatig. Radiologen en chirurgen laden contrastversterkte CT-scans in gespecialiseerde driedimensionale (3D) planningssoftware, tekenen de lever en tumoren vlak voor vlak af, identificeren belangrijke bloedvaten en simuleren vervolgens verschillende snijplannen. Dit proces kan vele minuten per patiënt kosten en vereist hoogopgeleid personeel. Het is ook onderhevig aan menselijke variatie: twee deskundigen kunnen iets verschillende grenzen trekken, en dezelfde persoon is niet altijd volledig consistent van dag tot dag. In drukke ziekenhuizen waar veel patiënten leverchirurgie nodig hebben, kan deze tijdrovende planning de zorg vertragen en de kosten verhogen.

Een AI-assistent genaamd LRVCD

De onderzoekers ontwikkelden een AI-gebaseerd systeem dat zij Liver Resection Volume Calculation with Deep Learning noemen, of LRVCD. Het gebruikt deep learning-modellen die zijn getraind op CT-scans van 990 patiënten die in tien jaar tijd in twee grote ziekenhuizen werden behandeld. In de eerste fase detecteert de AI automatisch levertumoren en deelt ze de lever in gedetailleerde anatomische segmenten in op de CT-beelden. In de tweede fase combineert het systeem deze segmentkaarten met het door de chirurg gekozen plan—of dat nu een standaard segmentverwijdering is of een meer onregelmatige, op maat gemaakte incisie—om te berekenen hoeveel gezond leverweefsel en hoeveel tumor verwijderd zouden worden. Het systeem rapporteert belangrijke cijfers zoals totale levergrootte, tumorgrootte, het geplande resectievolume en het percentage van de lever dat wordt verwijderd.

Het systeem op de proef gesteld

Om te controleren of LRVCD betrouwbaar is, vergeleek het team de resultaten met die van ervaren chirurgen die gevestigde 3D-planningssoftware gebruikten. Ze evalueerden twee onafhankelijke patiëntengroepen: één uit hetzelfde ziekenhuis waar de AI op getraind was en een andere uit verschillende centra. Voor elk geval maten ze hoe nauwkeurig de schattingen van de AI voor levervolume, tumorvolume en geplande resectie overeenkwamen met de handmatige referentie. De verschillen waren klein en de overeenstemming in de belangrijkste maatstaf—het percentage van de lever dat verwijderd zou worden—was in beide groepen dicht bij elkaar. Hoewel de AI geneigd was de totale levergrootte iets te onderschatten en het tumorvolume licht te overschatten, bleven deze neigingen binnen aanvaardbare klinische grenzen en weerspiegelden ze bekende eigenaardigheden van mensgedreven 3D-planning.

Van uren werk naar seconden

Een van de meest opvallende voordelen van LRVCD is de snelheid. In zowel interne als externe testgroepen verminderde de AI-gestuurde workflow de planningsduur ongeveer twintigvoudig vergeleken met het conventionele 3D-softwareproces. Wat voorheen ruwweg tien minuten of meer in beslag nam, kon nu in minder dan een halve minuut worden voltooid. Omdat de AI het zware werk van segmentatie en volumeberekening uitvoert, beperkt de menselijke inbreng zich grotendeels tot het invoeren van basis chirurgische informatie en het maken van kleine aanpassingen indien nodig. Dit betekent dat radiologen en chirurgen meer tijd kunnen besteden aan klinische beslissingen en minder aan repetitief muiswerk.

Wat dit voor patiënten betekent

Voor patiënten komt het technische detail neer op een eenvoudige belofte: preciezere en snellere chirurgische planning, zonder extra scans of extra kosten. Door snelle, consistente schattingen te geven van hoeveel lever veilig verwijderd kan worden, kan LRVCD chirurgen helpen om meer curatieve ingrepen na te streven terwijl het risico op postoperatieve leverfalen beperkt blijft. De studie toont aan dat deze AI-tool ongeveer even goed presteert als gevestigde 3D-planningsmethoden, terwijl de werklast sterk afneemt. De auteurs merken op dat er meer werk nodig is om het systeem in bredere patiëntengroepen te testen en om de chirurgische besluitvorming verder te automatiseren, maar hun resultaten suggereren dat AI-gestuurde planning binnenkort een praktische bondgenoot in de operatiekamer voor leverkankerzorg kan worden.

Bronvermelding: Wang, X., Zhang, L., Liu, P. et al. Deep learning-based system to predict hepatocellular carcinoma resection volume using contrast-enhanced CT. Sci Rep 16, 6388 (2026). https://doi.org/10.1038/s41598-026-37085-x

Trefwoorden: leverkankeringreep, medische beeldvorming AI, hepatocellulair carcinoom, CT-scan planning, leverresectievolume