Laatste nieuws
technologie

Artificiële intelligentie onmisbaar instrument in de dokterstas

AI opent nieuwe horizonten en ook een paar afgronden

2 reacties
Getty Images
Getty Images

Het aantal applicaties dat gebruikmaakt van artificiële intelligentie (AI) neemt hand over hand toe. Wie niet op tijd instapt in deze hogesnelheidstrein, mist de aansluiting. Maar zorg wel dat je de dienstregeling kent.

In het dagelijks leven gebruiken we al veel toepassingen van kunstmatige intelligentie of artificiële intelligentie (AI). Denk aan beeld-, gezicht- en spraakherkenning, zoekmachines, slimme navigatiesystemen en zelf­rijdende auto’s. AI zal ook de gezondheidszorg drastisch veranderen. Dit kan grote voordelen bieden, maar het genereert ook angst: patiënten zouden hun vertrouwen in mens­gerichte zorg verliezen en de relevantie van huisarts en medisch specialist zou ter discussie komen te staan.

Er zijn ook andere zorgen, bijvoorbeeld: wie is verantwoordelijk als AI een fout maakt? Ook de onbekendheid en ongrijpbaarheid van AI zorgen voor onzekerheid bij zorgprofessionals. Zijn deze zorgen terecht en waar staan we nu?

Zelflerend proces

AI is het vermogen van machines om intelligent menselijk gedrag na te bootsen, zoals leren en problemen oplossen. Een specifieke vorm daarvan is ‘machinelearning’. Hierbij leren computers aan de hand van data en observaties zonder expliciet geprogrammeerd te zijn. De software wordt steeds intelligenter door een repetitief zelflerend proces van input en feedback. Deze manier van leren kun je vergelijken met het conditioneren van een hond; je biedt informatie aan en het gevolg, het resultaat keur je goed of af.

Doordat we over steeds grotere datasets kunnen beschikken en computers steeds krachtiger en sneller worden, kunnen we nu virtuele neurale netwerken creëren die bestaan uit vele lagen van met elkaar verbonden algoritmes. De term ‘deep learning’ refereert aan deze lagen van met elkaar verbonden virtuele netwerken (zie figuur ‘Hiërarchie van artificiële intelligentie’ online). Door een continu proces van data-analyse leert de computer zelf patronen te herkennen, zonder dat hier menselijke input voor nodig is.

In de kliniek

AI biedt mogelijkheden om sneller en nauw­keuriger te werken en zo kosten te besparen. In potentie kunnen we met AI sneller en beter diagnosticeren, behandelingen optimaliseren en nauwkeurigere prognoses geven. Bij een vergrijzende bevolking met een toenemende zorgvraag en daardoor stijgende zorgkosten biedt AI dus perspectief. Door de voortschrijdende techno­logische ontwikkelingen neemt het aantal mogelijke toepassingen in de gezondheidszorg sterk toe (zie figuur ‘Toepassingen van AI in de gezondheidszorg’ online).

Aan de hand van een casus illustreren we AI-toepassingen in de kliniek.

Een patiënt meldt zich bij de huisarts met rectaal bloedverlies en een veranderd ontlastingspatroon. Op de huisartsenpost wordt met een AI-applicatie bepaald hoe snel deze patiënt moet worden gezien. Deze applicatie kan zeer nauwkeurig hoogrisicopatiënten identificeren. AI-applicaties als NHGDoc en Oncoguide ondersteunen de huisarts om een op de individuele patiënt af­gestemd advies te geven.

Op basis van de bevindingen wordt voor onze patiënt via een AI-applicatie een afspraak ingepland bij het ziekenhuis voor nader onderzoek. Hij gaat naar de afdeling Interne Geneeskunde.

Het gesprek met de patiënt wordt aldaar middels spraakherkenning (Natural Language Processing, NLP) opgenomen en opgeslagen in het elektronisch patiëntendossier. Met NLP kan taal – zowel tekst als spraak – worden geanalyseerd, gelezen en begrepen. Er zijn inmiddels al verschillende ziekenhuizen in Nederland die NLP gebruiken.

Door een continu proces van data-analyse leert de computer zelf patronen te herkennen

Bij de patiënt wordt een endoscopie verricht. AI ondersteunt de mdl-arts bij het analyseren van de endoscoopbeelden om poliepen, Helicobactor pylori, maag- en oesofagustumoren op te sporen (zie figuur 1). Er wordt gewerkt aan het realtime terugkoppelen van AI op de beelden tijdens de scopie, wat de efficiëntie flink zal verhogen.

1. Endoscopie | AI kleurt verdachte plekken aan bij endoscopie.
1. Endoscopie | AI kleurt verdachte plekken aan bij endoscopie.

De biopten die de mdl-arts neemt, worden door de patholoog onderzocht. Met whole slide imaging (WSI) kan de patholoog histopathologische coupes in hoge resolutie op een computerscherm bekijken. AI ondersteunt hem bij het detecteren en classificeren van af­wijkingen. Dit is al betrouwbaar gebleken bij onder andere het identificeren van lymfekliermetastasen bij borstkanker en bij de classificatie van long-, prostaat-, hersen- en colorectale tumoren. De patholoog identificeert bij onze patiënt een maligne afwijking. Daarom wordt vervolgens bij hem een stadiëringsonderzoek gedaan.

Binnen de radiologie zijn inmiddels honderden AI-applicaties beschikbaar. Daarmee kunnen onderzoeken efficiënt vooraf worden geprotocolleerd (bijvoorbeeld om te bepalen of contrastvloeistof noodzakelijk is) en achteraf worden geprioriteerd. Het algoritme selecteert onderzoeken met een hoge waarschijnlijkheid op afwijkingen en stelt die als eerste voor aan de radioloog. Met AI kunnen beelden automatisch worden bewerkt, gereconstrueerd en afwijkingen gekwantificeerd. Dit bespaart tijd waardoor er meer onderzoeken per tijdseenheid kunnen plaatsvinden.

De grootste bijdrage van AI in de radiologie is het opsporen en classificeren van afwijkingen op röntgenfoto’s, CT’s, MRI’s en PET/CT’s. Een van de eerste applicaties is het inmiddels veel gebruikte algoritme voor het opsporen en vervolgen van longmetastasen op een CT-thorax (zie figuur 2).

2. CT-thorax | Detectie en vervolgen van longnodules door AI aan de hand van CT-thorax.
2. CT-thorax | Detectie en vervolgen van longnodules door AI aan de hand van CT-thorax.

Ook in de oogheelkunde en de dermatologie wordt beeldherkenning met behulp van AI gebruikt.

Bij het stadiëringsonderzoek van de patiënt zijn lymfekliermetastasen gevonden. Hij zal worden besproken in een multidisciplinair overleg.

Op een dashboard verschijnt een overzicht van alle gegevens van de patiënt. Momenteel wordt AI-software ontwikkeld die adviezen geeft over de te volgen stappen, onderbouwd door een beslisboom. Deze applicaties zijn ook geschikt voor de polikliniek.

Het behandelplan voor de patiënt is chemo­therapie en radiotherapie, gevolgd door een operatie. Het behandelplan voor de radiotherapie is gemaakt op basis van een CT- of MRI-scan. Met AI wordt het te bestralen doel gesegmenteerd waarna de dosis en locatie worden geoptimaliseerd. Er lopen onderzoeken om met AI te voorspellen in hoeverre de tumor na een chemotherapiebehandeling is geslonken.

Bij re-stadiëring blijkt de tumor te zijn ge­slonken en zijn de lymfekliermetastasen niet meer zichtbaar. De patiënt wordt geopereerd.

AI is voor de zorgprofessional een black box

De anesthesioloog gebruikt AI-technieken om de risico’s van de ingreep te voorspellen door bijvoorbeeld een automatische classificatie van de ASA-score, het monitoren van de diepte van anesthesie en het controleren van de beademing en dosering. Voor de logistiek op de operatie­kamer zijn er AI-applicaties die op basis van de ervaring van het ok-personeel en patiëntdata de operatietijd voorspellen, waardoor een optimale bezetting kan worden bereikt. Tijdens de operatie wordt gebruikgemaakt van robotchirurgie. De komende jaren wordt de rol van AI binnen de robotchirurgie vermoedelijk steeds groter.

Hindernissen

Het accepteren en in gebruik nemen van AI die voor de zorg is ontwikkeld, gaat gepaard met hindernissen. De uitdagingen liggen niet alleen bij de technische implementatie (zie figuur 4).

Om AI als ondersteuning bij het stellen van diagnoses en het verbeteren van de kwaliteit en de efficiëntie te gebruiken, is het essentieel dat de gebruiker er vertrouwen in heeft. AI is voor de zorgprofessional echter een black box, waarbij de manier waarop een diagnose tot stand is gekomen, niet altijd te achterhalen is. Dit zorgt voor een onzeker gevoel. Mensen willen begrijpen waarom en hoe bepaalde beslissingen genomen zijn, om vervolgens de discussie te kunnen aangaan. AI-producenten bieden daarom steeds meer gereedschappen aan waarmee de uitkomst van een algoritme interpretabel wordt gemaakt.

Onzekerheid ontstaat doordat AI de beelden soms niet goed herkent en daardoor fouten maakt, zoals bij de beruchte chihuahua or muffin-test (zie figuur 3).

3. Chihuahua or muffin-test | AI is niet foutloos; de gelijkenis tussen chihuahua’s en muffins schept verwarring.
3. Chihuahua or muffin-test | AI is niet foutloos; de gelijkenis tussen chihuahua’s en muffins schept verwarring.

Om de veiligheid van patiënten te waarborgen, moeten AI-applicaties gevalideerd worden, dat wil zeggen hun betrouwbaarheid moet worden vastgesteld. Ook moeten applicaties praktisch toepasbaar zijn zonder extra handelingen. Daarnaast vormen de aanschaf- en gebruiks­kosten van applicaties nog een belemmering.

Om een algoritme generaliseerbaar en nauwkeurig te maken hebben AI-applicaties meerdere grote datasets nodig van heterogene populaties. Want als een applicatie wordt getraind met data uit één regio of ziekenhuis, dan bestaat de kans dat de applicatie in een andere regio of ziekenhuis niet werkt, met name bij zeldzame bevindingen. De uitdaging is om over deze data te beschikken en tegelijkertijd de privacy van patiënten te waarborgen.

Wie is aansprakelijk als blijkt dat er een verkeerde diagnose is gesteld?

Een ethische kwestie ligt op het terrein van de regelgeving en aansprakelijkheid bij inzet van AI. Wie is er aansprakelijk als na inzet van AI blijkt dat een verkeerde diagnose is gesteld, of er niet correct met patiëntendata is omgegaan? Momenteel is hiervoor niets opgenomen in regelgeving. In de huidige situatie is de arts eindverantwoordelijke. In hoeverre mag een arts een met behulp van AI gestelde diagnose (deels) negeren of aanpassen? Overwogen moet worden om de huidige regelgeving te herzien.

4. Uitdagingen en ethische kwesties binnen de AI-toekomst
4. Uitdagingen en ethische kwesties binnen de AI-toekomst

Vaardigheden verliezen

Daarnaast bestaat het risico dat een arts te veel op AI gaat vertrouwen en zijn eigen vaardig­heden gaat verliezen. Het is daarom belangrijk dat de artsen in opleiding tot radioloog zowel adequate interpretatiekwaliteiten ontwikkelen, maar ook leren hoe AI te integreren in de radiologie.

AI zal in de toekomst een steeds grotere rol gaan spelen, ook in de gezondheidszorg. Momenteel worden applicaties vooral gebruikt in academische centra en zijn deze vaak nog niet algemeen toepasbaar. Grote medische bedrijven ontwikkelen daarom platforms waar meerdere AI-applicaties worden gebundeld tot een abonnement.

Met het oog op de verwachte aanhoudende sterke toename van de zorgvraag zetten ook de medische beleidsmakers in op AI als hulpmiddel in de gezondheidszorg. Het ministerie van VWS heeft onlangs een podcast gelanceerd om AI sneller op te schalen in de zorgpraktijk. Samenwerking tussen ontwikkelaars, aanbieders, zorgverleners, overheid en patiënten is nodig om meer toepassingen succesvol uit te rollen. De rol van medicus zal wijzigen, waarbij AI-applicaties de arts en het zorgproces zullen ondersteunen. De verwachting is dat AI uiteindelijk diagnoses en prognoses ondersteunt en de arts deze bevindingen controleert en toelicht. Als het productieproces wordt geoptimaliseerd is er meer tijd voor patiëntencontact, complexe casuïstiek en intercollegiaal multidisciplinair overleg. Daarbij zal de medicus die geen gebruik maakt van AI verdwijnen.

auteurs

Marieke Timmermans, MD, arts-onderzoeker radiologie, Alrijne Ziekenhuis, Leiderdorp

dr. Adriaan van Breda Vriesman, radioloog, Alrijne Ziekenhuis, Leiderdorp

prof. dr. Hildo Lamb, radioloog, Leids Universitair Medisch Centrum

contact

marieke.timmermans@outlook.com

cc: redactie@medischcontact.nl

Zie ook ‘Het huwelijk tussen mens en AI’ in de rubriek Media & cultuur.

Bronnen

1. European Society of Radiology (ESR). What the radiologist should know about artificial intelligence – an ESR white paper. Insights Imaging. 2019; 10: 44.

2. Meskó B, Görög M. A short guide for medical professionals in the era of artificial intelligence. NPJ Digital Medicine. 2020; 3:126.

3. Briganti G, Le Moine O. Artificial Intelligence in Medicine: Today and Tomorrow. Frontiers in Medicine. 2020; 7:27.

4. Inventarisatie AI-toepassingen in gezondheid en zorg in Nederland. Amstelveen: KPMG; 2020.

5. Integraal Kankercentrum Nederland. https://iknl.nl/over-iknl/innovatie/oncoguide/oncoguide-ontsluit-kennis, geraadpleegd op 2 maart 2021.

6. Maassen H. De computer als dokter. Med Contact. 2019.

7. Tang A, Tam R, Cadrin-Chênevert A, Guest W, Chong J, Barfett J, et al. Canadian Association of Radiologists White Paper on Artificial Intelligence in Radiology. Can Assoc Radiol J. 2018; 69:120-35.

8. Pannala R, Krishnan K, Melson J, Parsi MA, Schulman AR, Sullivan S, et al. Artificial intelligence in gastrointestinal endoscopy. VideoGIE. 2020; 5:598-613.

9. Medgadget. www.medgadget.com/2018/12/artificial-intelligence-automatically-spots-polyps-during-colonoscopies.html, geraadpleegd op 11 maart 2021.

10. Kulkarni S, Seneviratne N, Baig MS, Khan AHA. Artificial Intelligence in Medicine: Where Are We Now? Acad Radiol. 2020; 27:62-70.

11. Cui M, Zhang DY. Artificial intelligence and computational pathology. Lab Invest. 2021; 16:1-11

12. Yasaka K, Abe O. Deep learning and artificial intelligence in radiology: Current applications and future directions. PLoS Med. 2018; 15:11.

13. AI-bedrijf Aidence timmert hard aan de weg, smarthealth. www.smarthealth.nl/2020/04/02/ai-bedrijf-aidence-timmert-hard-aan-de-weg, geraadpleegd op 11 maart 2021.

14. Veye Chest by Aidence, https://incepto-medical.com/en/solutions/aidence-veye-chest, geraadpleegd op 11 maart 2021.

15. Thee EF, Luttikhuizen DT, Lemij HG, Verbraak FD, Sánchez CI, Klaver CCW. Artificiële intelligentie in de oogzorg. Ned Tijdschr Geneeskd. 2020; 164

16. https://www.siemens-healthineers.com/nl/digital-health-solutions/digital-soluti

Lees ook:

technologie onderzoek
Op dit artikel reageren inloggen
Reacties
  • Frans Brons, gepensioneerd huisarts, Den Haag

    In deze materie kan ik alleen iets zeggen over het eerstelijnsgedeelte van deze keten: de wortel van de beslisboom dus.
    Mijn dokterstas staat alweer enkele jaren in de kast, maar alles zit er nog in, behalve AI.
    In tijden van weleer bevond de rudim...entaire voorloper van AI, NI [Natuurlijke Intelligentie], zich voornamelijk onder de benige motorkap in de grijze stof van de dokter zelf. Zij bestond uit een archaïsch mengsel van (universitaire) kennis en kunde, empathie, mensenkennis in anatomisch en psychologisch opzicht en kennis van de patiënt en diens specifieke omstandigheden in het bijzonder, en de drang om het goede te doen.
    Het voordeel van NI: het verbruikt geen stroom (een beetje nachtrust af en toe is voldoende), gaat zelden kapot tijdens de beoogde levensduur en wint aan kwaliteit tijdens het gebruik (zelflerend vermogen).
    Het is ook zeer geschikt om de patiënt tijdig aan de juiste specialist te presenteren, zij vaak met een vloek en een zucht.
    Ik ben bang dat voor apparaatje dat al deze kwaliteiten in zich heeft in de al overvolle eerstelijnsdokterstas geen plaats meer is.

  • J.H.A. Vollebergh

    Gynaecoloog, Heesch

    Toch vind ik het lastig. Corrigeren van AI berust op ervaring, en veel beeldherkenning. Hoe meer er van AI gebruik gemaakt gaat worden, hoe minder ervaring er wordt opgebouwd en dus hoe minder correctie er kan plaatsvinden. Gevolg: we varen volledig ...op AI. Misschien niet zo erg als die AI ook volledig betrouwbaar is, maar zover zijn we dus nog niet.

 

Cookies op Medisch Contact

Medisch Contact vraagt u om cookies te accepteren voor optimale werking van de site, kwaliteitsverbetering door geanonimiseerde analyse van het gebruik van de site en het tonen van relevante advertenties, video’s en andere multimediale inhoud. Meer informatie vindt u in onze privacy- en cookieverklaring.