AI en echografie in de detectie van ovariumtumoren: een blik op de toekomst vanuit IOTA en ESGO
Dr. Basiel Weyers, ASO Gynaecologie-Verloskunde
De differentiële diagnostiek van een adnexiële massa blijft een klinische uitdaging. Hoewel de meeste ovariumletsels benigne zijn, is een vroege en correcte detectie van ovariumcarcinoom cruciaal om de prognose te verbeteren. Nieuwe technologische ontwikkelingen, waaronder artificiële intelligentie (AI), beloven een revolutie teweeg te brengen in hoe we deze massa’s evalueren. Tijdens twee internationale congressen – IOTA en ESGO – werden recente innovaties op dit vlak voorgesteld.
Ovariumcarcinoom is wereldwijd de vierde meest voorkomende oorzaak van kankergerelateerde sterfte bij vrouwen. Hoewel de incidentie in België relatief laag is (697 nieuwe gevallen in 2019), wordt de diagnose in meer dan 60% van de gevallen pas gesteld in een gevorderd stadium (FIGO III of IV), met een vijfjaarsoverleving van slechts 47,7%, dalend tot 32% bij patiënten ouder dan 70 jaar. Dat heeft te maken met de vaak aspecifieke of afwezige symptomen in de vroege stadia en het ontbreken van betrouwbare screeningstools.1-3
Een groot deel van de initiële detectie van adnexletsels gebeurt via transvaginale echografie. Toch blijft het onderscheid tussen benigne en maligne massa’s een uitdaging, zeker voor niet-experten. Die diagnostische onzekerheid leidt niet zelden tot onnodige ingrepen of vertraagde verwijzingen. Nieuwe technologieën zoals artificiële intelligentie (AI) kunnen hierbij mogelijk ondersteuning bieden.4
In februari en april 2025 woonde Dr. Basiel Weyers (ASO Gynaecologie-Verloskunde) respectievelijk het ESGO-congres (European Society of Gynaecological Oncology) in Rome en het IOTA-congres (International Ovarian Tumor Analysis) in Leuven bij, dat laatste ook in het bijzijn van Dr. Caroline Van Holsbeke (gynaecoloog) en Dr. Sophie Pommé (gynaecoloog). Tijdens deze bijeenkomsten werd de rol van AI in de detectie en classificatie van ovariumtumoren uitvoerig besproken. Beide congressen legden een sterk accent op hoe AI gestandaardiseerde, objectieve interpretaties kan genereren op basis van echobeelden, en zo kan bijdragen aan snellere en nauwkeurigere diagnostiek.
Dr. Caroline Van Holsbeke als spreker op het IOTA-congres in Leuven, hier over endometriose
De kracht van IOTA en lokale expertise
Het IOTA-consortium is wereldwijd toonaangevend in de ontwikkeling van predictiemodellen op basis van echografie, waaronder het bekende ADNEX-model. Dit model integreert echografische kenmerken en klinische parameters om de kans op maligniteit bij adnexletsels in te schatten, en wordt vandaag klinisch breed toegepast.5
In AZ Sint-Lucas Brugge is sterke expertise over deze modellen aanwezig via Dr. Caroline Van Holsbeke, die haar doctoraat wijdde aan IOTA en betrokken was bij de validatie van het ADNEX-model.6 Daarnaast verwijzen recente ontwikkelingen, zoals het IOTA-AI-project, naar een toekomst waarin AI zelfstandig echografische beelden zal kunnen interpreteren, met als doel meer consistente en toegankelijke diagnostiek.7
AI als tweede lezer: inzichten vanop ESGO
Tijdens ESGO 2025 werd een internationale studie gepresenteerd onder leiding van Prof. Elisabeth Epstein (Karolinska Institutet), waarin een AI-model getraind werd op meer dan 17.000 echobeelden van 3.600 patiënten. Het model behaalde een AUC van 0,93 en presteerde op of boven het niveau van menselijke experten bij het classificeren van ovariumtumoren.8 Hoewel de eerste resultaten veelbelovend zijn, moet AI in de context van ovariumtumoren nog de ultieme test van externe validatie ondergaan, een stap die het ADNEX-model intussen met glans heeft doorstaan.
Een belangrijk voorstel uit de studie is het gebruik van AI als ‘second reader’. Bij eensluidend oordeel van arts en AI wordt het besluit aanvaard, bij discrepantie volgt expertadvies. Die aanpak kan leiden tot efficiëntere triage en gerichtere verwijzingen.8
Toekomstperspectieven
Hoewel AI bij echografie momenteel het verst gevorderd is, groeit ook de interesse in het gebruik van AI bij andere beeldvormingstechnieken zoals CT- en MRI-scans. In de literatuur zijn reeds eerste radiomics- en deep learning-modellen beschreven voor het classificeren van ovariumtumoren op deze modaliteiten, al zijn de datasets voorlopig beperkt en ontbreekt vaak externe validatie. De ontwikkeling bevindt zich nog in een vroege fase, maar biedt perspectieven voor bredere toepassing van AI in de gynaecologische diagnostiek.4
Daarnaast wordt geëxperimenteerd met multimodale modellen waarin AI-analyse van beeldvorming wordt gecombineerd met bijkomende klinische gegevens of circulerend tumor-DNA (ctDNA) als aanvullende biomarker.9
Relevantie voor de eerste lijn
Dankzij deze technologische vooruitgang zal het in de toekomst mogelijk zijn om adnexletsels sneller en accurater te beoordelen. Dat betekent voor huisartsen minder onzekerheid bij doorverwijzing, en voor patiënten minder onnodige ingrepen of lange wachttijden voor verdere diagnostiek. AI zal de klinische besluitvorming hierbij niet vervangen, maar versterken, in samenwerking met de arts.
Vlnr: Dr. Basiel Weyers (ASO Gynaecologie-Verloskunde), Dr. Caroline Van Holsbeke (gynaecoloog) en Dr. Sophie Pommé (gynaecoloog) op het IOTA congres in Leuven
Referenties
- Jayson GC, Kohn EC, KitChEnEr hC, LEdErmann Ja. Ovarian The Lancet 2014;384:1376-88.
- KCE rEPort 357as - Kwaliteitsindicatoren voor de aanpak van eierstokkanker: Belgian Health Care Knowledge Centre (KCE),
- Ovarian Cancer Fact Sheet Brussels, Belgium: Belgian Cancer Registry, 2021.
- moro F, GiudiCE mt, CianCia m, et Application of artificial intelligence to ultrasound imaging for benign gynecological disorders: systematic review. Ultrasound in Obstetrics & Gynecology 2025;65:295-302.
- timmErman d, VaLEntin L, BournE t, CoLLins W, VErrELst h, VErGotE i. Terms, definitions and measurements to describe the sonographic features of adnexal tumors: a consensus opinion from the International Ovarian Tumor Analysis (IOTA) Group. Ultrasound in Obstetrics and Gynecology: The Official Journal of the International Society of Ultrasound in Obstetrics and Gynecology 2000;16:500-05.
- Van hoLsBEKE C, Van Calster B, Bourne T, et al. External validation of diagnostic models to estimate the risk of malignancy in adnexal Clinical Cancer Research 2012;18:815-25.
- Froyman W, sindhWani n, Timmerman IOTA-AI: AI-assisted automated detection of ovarian cancer on ultrasound imaging: IOF - technology validation in lab - Flemish Government, 2021.
- ChristiansEn F, KonuK E, GanEshan ar, et al. International multicenter validation of AI-driven ultrasound detection of ovarian cancer. Nature Medicine 2025;31:189-96.
- Bahado-sinGh ro, iBrahim a, aL-WahaB Z, et al. Precision gynecologic oncology: circulating cell free DNA epigenomic analysis, artificial intelligence and the accurate detection of ovarian cancer. Scientific Reports 2022;12:18625.