Het personeelstekort en de groeiende zorgvraag noopt alle gebieden binnen de gezondheidszorg tot het zoeken naar nieuwe, innovatieve en technisch ondersteunde (digitale) oplossingen. Een van die gebieden is de medische beeldvorming, en dan met name ook het beoordelen van medische beelden. Een consortium onder leiding van het AmsterdamUMC gaat werken aan een oplossing voor dit specifieke probleem. Daarbij moet AI, of kunstmatige intelligentie, een belangrijke rol gaan spelen.
De onderzoekers van het landelijk consortium willen met behulp van AI nieuwe technologie ontwikkelen om betaalbare en eenvoudiger te bedienen apparatuur te kunnen produceren, waarvoor geen hoog gespecialiseerde medische deskundigen nodig zijn. Apparatuur die medische beelden produceert die ook door huisartsen, echografisten en gespecialiseerde verpleegkundigen gemaakt en beoordeeld kunnen worden. Onlangs heeft het consortium voor het project AI4AI, van de NWO een Perspectief-toekenning van 6,1 miljoen euro ontvangen.
Hoog gespecialiseerde medici
Nu wordt de medische beeldvorming met name nog in het ziekenhuis uitgevoerd. Daarvoor zijn specialistische, en dure, beeldvormende apparaten nodig. Denk aan computer tomografie (CT) en magnetische resonantiebeeldvorming (MRI). Zowel voor de bediening van die apparaten, als de beoordeling van de beelden (scans) zijn hoog gespecialiseerde medici nodig.
“Wij willen met kunstmatige intelligentie technologieën ontwikkelen waarmee we betaalbare, en/of verplaatsbare apparaten zoals echografie en ultra-low field MRI kunnen gebruiken. Ook willen we dat bijvoorbeeld huisartsen, echografisten en gespecialiseerde verpleegkundigen met deze apparatuur kunnen werken. Mensen hoeven dus niet hoog gespecialiseerd te zijn”, aldus Amsterdam UMC-hoogleraar Artificiële intelligentie en medische beeldanalyse Ivana Išgum.
Wachtlijsten inkorten
Met de almaar groeiende zorgvraag en dito personeelstekort, ervaren deze medische specialisten - waaronder radiologen - een steeds hogere werkdruk, met alle gevolgen van dien, zoals burn-outs. Daardoor lopen de wachtlijsten dan weer op of moeten patiënten vaak veel verder reizen voor een onderzoek.
“We willen met dit project bijdragen aan het dichterbij brengen en toegankelijker maken van de zorg voor de patiënt. Daarbij weten we dat ziekenhuiszorg in ontwikkelingslanden niet altijd voor iedereen bereikbaar is. Er zijn in deze landen vaker ook minder hooggeschoolde experts. Ook voor de mensen in deze landen hopen we bij te dragen aan toegankelijkere zorg”, vertelt Išgum.
Beeldanalyse met AI
Een ander belangrijk doel van het project is het automatiseren van de beeldanalyse met behulp van AI. Ook dat moet ertoe leiden dat het tekort aan hoog gespecialiseerde medici ondervangen wordt. Išgum leidt binnen Amsterdam UMC samen met Clarisa Sánchez de interfacultaire onderzoeksgroep qurAI, die zich richt op de verantwoorde ontwikkeling van AI voor de gezondheidszorg.
De acceptatie voor het gebruik van AI binnen de gezondheidszorg groeit ook bij radiologen en andere medisch specialisten. Dat stelt ook radioloog Nils Planken van het academisch ziekenhuis. “AI-technologie die kan ondersteunen bij het maken, interpreteren en rapporteren van medisch beeldvormend onderzoek heeft de potentie om wachtlijsten te verkorten en werkdruk te verminderen en wellicht ook de kwaliteit te verbeteren. Het op de juiste wijze inzetten van diagnostiek buiten het ziekenhuis heeft de potentie om patiënten niet of nog gerichter patiënten naar het ziekenhuis door te sturen.”
Het inzetten van AI bij de beoordeling van medische beelden en diagnostiek is een ontwikkeling die al een aantal jaren onderweg is. Een mooi voorbeeld is een binnen het UMC Utrecht ontwikkeld systeem ommet behulp van AI, snel en nauwkeurig MRI-foto’s van borsten met dicht borstklierweefsel te inspecteren. Dat systeem zorgt ervoor dat de radioloog alleen nog foto's te zien krijgt waarop afwijkingen geconstateerd zijn. Dat verlicht niet alleen de werkdruk van de radioloog, het versnelt ook de diagnose.
Nagenoeg alomvattend AI4AI project
De spanwijdte van het project AI4AI is, behalve medische beeldvorming, nagenoeg alomvattend. Zo richt het project zich op vele ziekten, zoals hersenberoerte, -tumoren en andere specialismen. Andere toepassingen zijn visualisatie en interpretatie van orgaanweefsel perfusie bij chirurgie tot foetale biomarkers die worden ingezet bij afwijkingen van zwangerschappen. En het project zich ook op patiënten die een invasieve behandeling van kransslagaders nodig hebben en op het selecteren van patiënten met vermoedelijke hartziekte.
Het verbeteren van de workflow van beeldgestuurde radiotherapie en van verwijzingen voor dringende zorg bij spoedeisende hulp valt ook binnen de scope van AI4AI. Dat geldt ook voor het verbeteren van de screening en triage van bedreigende visuele aandoeningen bij oogheelkunde, net als de selectie van patiënten die in aanmerking komen voor immunotherapie bij oncologie. Tenslotte leidt het project tot een verbetering van beeldvorming bij orthopedie.
