Met zelfontwikkelde AI-software hebben radiotherapeuten van het UMC Utrecht 10.000 automatische intekeningen gemaakt. Betreffende de intekeningen, waarbij beeldverwerkingslaboranten organen van de patiënt in kaart brengen, zijn belangrijk voor het precies bestralen van kankerpatiënten op de afdeling Radiotherapie. De, samen met AI, gemaakte intekeningen moeten natuurlijk steeds gecheckt worden, maar zijn in het algemeen preciezer dan toen ze alleen nog door mensen werden gemaakt. Ook levert de steun van het algoritme gemiddeld twintig minuten tijdwinst per patiënt op.
De 10.000e intekening is een heuse mijlpaal, die goed laat zien hoe AI de zorg slimmer en efficiënter maakt. Ter voorbereiding op een bestralingsbehandeling voor een patiënt wordt meestal een CT-scan en/of MRI-scan gemaakt. Hierop worden door klinische beeldverwerkingslaboranten, naast de tumor, de kritieke organen zoals bijvoorbeeld hart en longen ingetekend. Dit is belangrijk omdat voorkomen moet worden dat kritische organen een te hoge dosis straling krijgen. Een viertal jaren geleden was dit intekenen nog heel veel werk, maar sinds plusminus 3,5 jaar neemt een AI-algoritme dit intensieve werk voor een deel met van de laborant over.
AI: krachtig hulpmiddel
Met name in de wereld van medische beeldvorming blijkt AI een sterk hulpmiddel. Kunstmatige intelligentie (AI) kan onder meer inmiddels prostaatweefsel even goed beoordelen op de aanwezigheid van kanker als ervaren pathologen. Dat blijkt uit het proefschrift van Wouter Bulten, promovendus van het Radboudumc.
Maar AI kan niet alleen steeds beter ondersteunen bij de diagnostiek van verschillende soorten kanker, maar is dus ook steeds vaker behulpzaam bij het voorbereiden van behandelingen zoals radiotherapie. De 10.000ste intekening met behulp van kunstmatige intelligentie is dan ook een goed voorbeeld hoe effectief AI in de praktijk kan zijn. Jonas Castelijns, voormalig hoogleraar radiologie, zag het enorme belang van AI al eerder aankomen. Tijdens zijn afscheidsrede in 2019 zei hij nog: “De ‘big thing’ in radiologie, vanaf circa 2015, is niet een nieuw type scanner, maar technologie om beeldinterpretatie te verbeteren door toepassing van kunstmatige intelligentie.”
Deep learning intekeningen voor radiotherapie
Het AI-algoritme van Utrecht UMC, dat dus 3,5 jaar geleden actief werd, bewijst dat de professor een vooruitziende blik had. De slimme software werd in de loop der jaren steeds verder bijgeschaafd door experts op het gebied van deep learning in samenwerking met laboranten, informatici en artsen. Belangrijk is dat de software werd geïmplementeerd binnen een gecertificeerde ontwikkelomgeving. De klinische informatici van de afdeling Radiotherapie zijn, als een van de weinigen in het UMC Utrecht (extern) gecertificeerd, om medische software te ontwikkelen voor klinisch gebruik. En dat is gunstig, omdat daardoor de deep-learning intekeningen ook officieel klinisch gebruikt mogen worden.
Algoritme zorgt voor tijdwinst
In de praktijk doet het algoritme een concreet voorstel voor de intekening van de organen. Radiotherapeutisch laborant Gonda Sikkes vertelt op de website van Utrecht UMC: “Dit is vaak heel goed werk, maar vraagt soms om een kleine aanpassing en een enkele keer voldoet het niet. Geen patiënt is nu eenmaal hetzelfde. Maar dankzij de intekening met behulp van de kunstmatige intelligentie zijn de intekeningen consistenter geworden.” In de praktijk blijkt deze innovatieve aanpak ook tijd te schelen, want door de ondersteuning van de slimme software wordt bij de intekening ongeveer twintig minuten tijdwinst per patiënt gerealiseerd.
