Search
Close this search box.
Search

Onderzoek laat zien dat de impact van AI-assistentie op de radiologie niet eenduidig is en dat de effectiviteit op individueel niveau behoorlijk kan verschillen.

Inzet van AI maakt radioloog niet per se beter

Regelmatig lezen we in media dat AI radiologen kan overtreffen bij het herkennen van ziekten zoals kanker. In de praktijk blijkt de impact van kunstmatige intelligentie op de radiologie echter een stuk ingewikkelder te zijn. Een recente studie, uitgevoerd door Harvard Medical School (HMS), Massachusetts Institute of Technology (MIT) en Stanford University toont aan dat het gebruik van AI-assistentie de prestaties van sommige radiologen verbetert, maar bij anderen verslechtert. Deze bevindingen, gepubliceerd in Nature Medicine, werpen een ander licht op de rol die AI in de gezondheidszorg speelt.

Hoewel AI in de gezondheidszorg in het algemeen wordt geprezen vanwege de mogelijkheden om prestaties van clinici te verbeteren, blijkt uit het onderzoek dat dit nog niet zo eenduidig is. Dat komt met name omdat eerder onderzoek zich voornamelijk richtte op de verbetering van de prestaties van radiologen als groep. In de studie wordt echter óók de impact van AI op individuele prestaties grondig onderzocht.

Impact AI op individu

Om de effecten van AI-assistentie te onderzoeken, evalueerden de onderzoekers de prestaties van 140 radiologen over 15 diagnostische taken voor borstkas-röntgenfoto’s. In totaal ging het om een set van 324 patiëntcasussen met 15 ziekten. Elke radioloog werd beoordeeld op het vermogen om, met en zonder inzet van AI, klinisch relevante afwijkingen correct te identificeren.

De resultaten laten zien dat de invloed die AI-assistentie heeft per radioloog verschilt. De één had betere prestaties terwijl anderen juist weer slechtere of onveranderde resultaten lieten zien. Traditionele factoren zoals specialisatie, medische ervaring of ervaring met het gebruik van AI-tools bleken niet betrouwbaar te kunnen voorspellen op welke manier AI de prestaties zou beïnvloeden.

AI moet zeer nauwkeurig zijn

In tegenstelling tot een overall benadering die voor iedereen geschikt is, laat deze  studie uitstekend zien dat de invloed van AI-assistentie op individueel niveau behoorlijk variabel is. De onderzoekers stellen dat hierdoor een meer op maat gemaakte benadering van AI nodig is. Een opvallende uitkomst van de studie is de manier waarop AI-fouten de diagnostische nauwkeurigheid kunnen beïnvloeden. Lagere AI-foutpercentages leidden over het algemeen tot aanzienlijke verbeteringen in de prestaties van radiologen. Hieruit blijkt hoe belangrijk het is dat de AI-systemen met zeer grote nauwkeurigheid worden ontwikkeld.

Succesverhalen behoeven nuance

Het onderzoek onderschat de kracht van AI niet, maar nuanceert wel duidelijk de succesverhalen die zowel in media als diverse onderzoeken over elkaar heen buitelen. Duidelijk wordt dat de integratie van AI in de klinische praktijk meer is dan het vervangen of aanvullen van menselijke expertise. Implementatie van kunstmatige intelligentie in de radiologie vraagt daarom om een beter begrip van de dynamische wisselwerking tussen menselijke en kunstmatige cognitie. Een one size fits all benadering voldoet dus niet; het is essentieel dat de  beperkingen van huidige AI-modellen én de variabiliteit in menselijke respons worden meegenomen.  

AI-aanbevelingen

Toekomstig onderzoek moet zich volgens deze studie vooral richten op het ontwikkelen van modellen die nauwkeuriger zijn en voorspellingen geven die de menselijke besluitvormingsprocessen aanvullen. Het wordt dan ook tijd om de hype omtrent AI te temperen. Hiernaast benadrukt de studie de noodzaak voor individuele training en het goed inwerken van clinici bij het gebruik van AI-hulpmiddelen. Tot slot pleiten de onderzoekers voor een samenwerkend zorgmodel. Het gaat om een model dat de expertise en intuïtie van de mens respecteert, maar ook de kracht van AI volop benut.

Peter icthealth

ICT&health World Conference 2024

Ervaar de toekomst van de gezondheidszorg tijdens de ICT&health World Conference van 14-16 mei 2024! Claim alvast jouw ticket en dompel je onder in baanbrekende technologieën en innovatieve oplossingen. Ga in gesprek met collega-experts en verken de kracht van wereldwijde samenwerkingen.

Deel dit artikel!

Lees ook
Hersenatlas
Zwaartekracht-subsidie voor hersenatlas en het lot van eiwitten
Aneurysma
Nieuwe betrouwbare methode om aneurysma’s te volgen
leerling-verpleegkundigen
Albert Schweitzer succesvol met behoud leerling-verpleegkundigen
Databeschikbaarheid
Betere zorg dankzij goede databeschikbaarheid
Woonomgeving
Empathische woonomgeving past zich aan bij wensen bewoners
Gegevens delen
Derde pilot proactief gegevens delen
Digitalisering expertisecentrum
Expertisecentrum bundelt kennis digitalisering en welzijn
wiel
Wiel zelf uitvinden hoeft niet, maar ontwikkel er wel op door
breuk
Virtual Fracture App slaat aan in Albert Schweitzer
monitor
E-healthmonitor signaleert stagnerende inzet digitale zorg
Volg jij ons al?