Een door middel van deep learning en kunstmatige intelligentie (AI) getrainde computer kan bij het beoordelen van longfoto’s even goed voorspellen of iemand infiltratieve longafwijkingen heeft als een radioloog. De afgelopen periode zijn meer AI-methoden ontwikkeld en onderzocht die mogelijk kunnen bijdragen aan het sneller herkennen van COVID-19 of de impact die de ziekte heeft op longen. Het AI-systeem van het JBZ wordt nu verder doorontwikkeld.
AI-systeem even goed als radioloog
Het onderzoek van JBZ, Radboudumc en Bernhoven maakt gebruik van het deep learning-systeem CAD4COVID-XRay. Tijdens het ’trainen’ van de AI-methode is het systeem ‘gevoed’ met röntgenfoto’s van gezonde longen uit andere ziekenhuizen. Vervolgens zijn 454 longfoto’s van het JBZ beoordeeld door zowel het AI-systeem als de radiologen. In alle gevallen kwamen zowel het AI-systeem als de radiologen tot dezelfde beoordeling of diagnose; of er al dan niet een (COVID-19) longontsteking op de foto zichtbaar is.
Het is voor het eerst dat dit onderwerp is onderzocht. In de volgende fase wordt het AI-systeem extra ‘getraind’, met meer beelden. Ook wordt de mogelijkheid bekeken het systeem te combineren met laboratorium uitslagen. Het volledige onderzoek is gepubliceerd op Radiology.
Essentieel onderdeel toekomstige zorg
Het Jeroen Bosch Ziekenhuis zet sterk in op artificial intelligence (AI) als essentieel onderdeel van de toekomstige zorg. Daarom heeft het ziekenhuis onder andere een samenwerking gestart met de Diagnostic Image Analysis Group (DIAG) van het Radboudumc en de Jheronimus Academy of Data Science. Het JBZ is bovendien het eerste niet-academische ziekenhuis in Nederland dat AI zelf ontwikkelt en in de praktijk gebruikt.
Zoals reeds benoemd, en hier ook al enkele malen beschreven, bleek uit eerdere onderzoeken ook al dat kunstmatig intelligente systemen tuberculose even goed kunnen diagnosticeren aan de hand van een röntgenlongfoto, als een radioloog. Het inzetten van een AI-systeem voor de diagnose van COVID-19 kan wereldwijd de nodige problemen waar de gezondheidszorg in veel landen nu mee kampt, helpen verlichten. Denk aan gebieden waar niet voldoende radiologen beschikbaar zijn. Of landen waar testkits schaars zijn.
