Info Support levert onder meer toegang tot een machine learning-platform, zodat de NWO binnen een professionele omgeving reproduceerbare modellen kan trainen en ontwikkelen. Ook biedt Info Support op aanvraag verschillende trainingen op het gebied van Explainable AI, MLOps en Advanced Python Programming binnen Microsoft Azure-omgevingen.
De ondersteuning door Info Support staat in het kader van het PersOn-programma van NWO. Ieder jaar krijgen meer mensen de diagnose kanker. Vaak wacht hen een standaardbehandeling die geen rekening houdt met de verwachtingen van de patiënt over de resulterende kwaliteit van leven.
Het PersOn-programma gebruikt kunstmatige intelligentie om alle beschikbare data - van zowel het type kanker als de individuele patiënt - te analyseren. Op die manier kan de verwachte uitkomst van uiteenlopende behandelopties worden voorspeld. Met behulp van deze informatie kiezen de arts en de patiënt samen een gepersonaliseerd zorgpad voor een zo’n hoog mogelijke kwaliteit van leven.
Gepersonaliseerd oncologietraject
AI-gestuurde modellen zijn flexibeler dan de huidige vaak statische modellen. In de huidige modellen is het daardoor lastig om nieuwe, innoverende technologieën toe te passen. Zo is er onder meer geen integratie met het elektronisch patiëntendossier, waardoor zorginstanties geen compleet beeld hebben van de medische geschiedenis van de patiënt. Nieuwe AI-modellen lossen dit probleem op en ondersteunen arts en patiënt bij het ontwikkelen van gepersonaliseerde oncologietrajecten.
Inzet van AI-modellen helpt zorg
De inzet van AI voor kanker biedt zowel bij het diagnosticeren als bij de behandeling van kanker vele opties. Een bevolkingsonderzoek voor longkanker zou bijvoorbeeld erg duur uitpakken, maar kan met behulp van AI in de praktijk wel behapbaar worden. Concreet betekent dit dat computers met heel veel radiologische beelden worden getraind op het herkennen van longkanker, waardoor radiologen niet meer vele duizenden beelden hoeven te bekijken.
AI helpt in de praktijk artsen in de praktijk nu al bij bijvoorbeeld het opereren van vroege darmkanker. Ook het in kaart brengen van borstkankeruitzaaiingen kan met kunstmatige intelligentie snel verbeterd worden. Onderzoekers van het IKNL werken momenteel aan de ontwikkeling van een AI-model, gebaseerd op historische data, hiervoor. Doel is het in kaart brengen van uitzaaiingen die jaren later optreden en nu nog niet worden vastgelegd, maar ook het beter voorspellen van de kans dat een patiënt met uitzaaiingen te maken krijgt.
Slimmere en effectievere zorg
Onderzoeksfinancier NWO en richt zich op tal van grote maatschappelijke trajecten omtrent kunstmatige intelligentie en ziet ook het grote belang van AI in de medische sector. Dit blijkt expliciet uit de nieuwe vierjarige oncologie-gerichte samenwerking met Info Support. De druk binnen de zorgsector stijgt enorm en binnen de oncologie wordt de komende tien jaar een explosieve stijging verwacht in het aantal patiënten. Vaak wordt nu vastgehouden aan bestaande protocollen, waar patiënten standaard alle stappen van een oncologietraject doorlopen en is de behandeling voor elke patiënt hetzelfde.
Door de inzet van AI-modellen kunnen behandelingen slimmer en persoonlijker worden gemaakt, omdat zorgprofessionals bijvoorbeeld kunnen bepalen welke stappen wél en welke niet nodig zijn. Daarnaast kan met kunstmatige intelligentie de druk op de zorg verlicht worden. De inzet van AI-modellen resulteert zo in persoonlijkere zorg en ingekorte trajecten. Op die manier wordt de zorg effectiever en efficiënter, wat zowel voor patiënt als arts aangenamer is.
AI-modellen beter uitlegbaar
Een groot deel van het onderzoek waar Info Support aan bijdraagt, richt zich op ‘de uitlegbaarheid’ van AI-modellen. De werking van huidige statische modellen is lang niet altijd even makkelijk uit te leggen, waardoor het bijvoorbeeld lastig is om toe te lichten hoe een model bepaalde conclusies trekt. Hierdoor zijn conclusies van deze systemen lastiger te interpreteren. Zodra modellen zoals dus
AI-gestuurde systemen, beter uitlegbaar en transparanter zijn, kan de zorg eerder vertrouwen op de conclusies die dergelijke algoritmes trekken.
