Een robot die een patiënt omdraait in bed? Het is nu nog onmogelijk, maar die robot komt er zeker, zegt hoogleraar functionele beeldanalyse Bram van Ginneken (Radboudumc). Van Ginneken loopt voorop in het toepassen van artificial intelligence (AI) in de gezondheidszorg. Hij stond aan de wieg van tubercolosescreening door computers, de állereerste vondst gebaseerd op AI die de Wereldgezondheidsorganisatie adviseert. Hij vertelt hoe AI kan bijdragen aan het efficiënter maken van de zorg.
Over het belang van AI voor de medische wereld hoeft Van Ginneken niet lang na te denken. ‘AI is deze eeuw de belangrijkste technologie. We gaan machines bouwen die intelligenter zijn dan mensen. Dat verandert alles. Ook in de medische wereld: heel veel werk dat nu door artsen of ander zorgpersoneel wordt gedaan, wordt op termijn overgenomen door computers of robots. Denk aan het omdraaien van patiënten op de intensive care (ic). Daarvoor zijn twee mensen nodig en het is een complexe handeling, want ic-patiënten zijn verbonden aan allerlei apparatuur. Maar over een paar decennia zal dit echt bestaan.’
Dat betekent overigens niet dat artsen overbodig worden. ‘Geen enkele persoon in de gezondheidszorg hoeft voor zijn baan te vrezen. De invulling van een functie zal anders worden. Er komt bijvoorbeeld meer tijd beschikbaar om te overleggen met patiënten’, stelt Van Ginneken gerust.
Tuberculosescreening sneller en goedkoper
Van Ginneken werkt al jaren aan de ontwikkeling van AI voor medische toepassingen. Hij stond aan de basis van software die tuberculose herkent op röntgenfoto’s. Vorig jaar adviseerde de Wereldgezondheidsorganisatie om deze software toe te passen bij tuberculosescreening. Het was voor het eerst dat de WHO adviseert om medische beelden te laten lezen door computers in plaats van door mensen. Inmiddels wordt de software in vijftig landen, vooral Afrikaanse landen, gebruikt. Van Ginneken: ‘Het scheelt opleidingskosten en personeelskosten. Bovendien werkt de computer een stuk sneller dan de mens. Na het maken van de foto gaat er gelijk een groen of rood lampje branden. Bij groen is er niks aan de hand, bij rood is er een verdenking van tuberculose en volgt een extra test. Deze screening is dankzij AI dus sneller en goedkoper geworden: voor hetzelfde geld kun je nu meer mensen zorg bieden.’
AI voor efficiëntere zorg
Volgens Van Ginneken is AI niet zozeer van belang voor bétere gezondheidszorg, maar wel voor efficiëntere zorg. ‘Naar verwachting werkt in 2060 1 op de 3 mensen in Nederland in de zorg. Dat kunnen we ons niet veroorloven. Automatiseren zie ik als enige mogelijkheid om de enorme behoefte aan zorgmedewerkers te verkleinen.’
Het Radboudumc doet de komende tien jaar onderzoek naar betrouwbare kunstmatige intelligentie. Deels om zorg te verbeteren - zoals voorspellen welke patiënten veel risico lopen op een volgend infarct - en deels om zorg efficiënter te maken. Zo wordt gewerkt aan AI-toepassingen voor longkankerscreening, waarvoor de EU een aanbeveling heeft gedaan. ‘Longkanker is de meest dodelijke vorm van kanker. Wanneer je dat vroegtijdig opspoort, kun je het sterftecijfer enorm terugbrengen’, zegt Van Ginneken. Het project van het Radboudumc onderzoekt hoe CT-scans met hulp van AI automatisch kunnen worden beoordeeld.
Een ander lab onderzoekt hoe AI de beoordeling van de MRI-beelden voor het opsporen van prostaatkanker efficiënter kan maken, net als het scannen zelf. ‘Een MRI maken, is heel duur. Onder meer omdat iemand al gauw een halfuur in de scanner ligt. We denken dat we die tijd met AI kunnen verkorten. Door voorkennis over het lichaam toe te voegen aan het programma, kun je een 3D-reconstructie krijgen met minder gemeten data. Je kijkt dan alleen naar de afwijkingen van het lichaam. Iemand hoeft dan nog maar tien minuten in de scanner te liggen voor een scan van dezelfde kwaliteit. Dat betekent bijvoorbeeld dat je voor een grootschalige screening minder dure MRI-scanners hoeft aan te schaffen.’
Medical imaging
MRI-scans, CT-scans en röntgenfoto’s zijn enkele voorbeelden van medische beeldvorming, oftewel medical imaging, een verzamelnaam van technieken om het lichaam in beeld te brengen en waarvoor AI een belangrijke toepassing is. ‘Medical imaging is enorm in opkomst’, zegt Van Ginneken. ‘Toen ik in 2010 begon in het Radboudumc, werkten we met tien mensen. Nu met zeventig. In die tijd hebben we bovendien twee bedrijven opgericht, Thirona en ScreenPoint, met beide ook nog eens circa 50 medewerkers in dienst.’ En in het afgelopen jaar werden nog eens twee nieuwe bedrijven opgericht: een voor AI-toepassingen bij de beoordeling van echo’s, Ardim, en een voor pathologiebeelden, Aiosyn.’
Waardevol AI-cluster
Oost NL is een belangrijke speler om AI in de regio op de kaart te zetten, zegt Van Ginneken. ‘Als we in de regio iets willen opzetten of uitbreiden, dan stimuleert de ontwikkelingsmaatschappij dat. Inmiddels hebben we in het oosten van Nederland een heel cluster gecreëerd van bedrijvigheid op het gebied van AI. En als je eenmaal zo’n cluster hebt én een ziekenhuis dat openstaat voor het gebruik van data, dan trekt dat weer nieuwe bedrijven aan. Vroeger waren dat pharmabedrijven, tegenwoordig zijn de softwarebedrijven in opkomst. Logisch, want software neemt steeds meer dingen over.’ Daarnaast zorgt zo’n cluster er ook voor dat er veel specifieke kennis beschikbaar is. ‘Er zijn in de regio volop mensen met verstand van juridische zaken en van patenten, dat is heel waardevol voor de daadwerkelijke toepassing van AI in de medische wereld.’
Bedrijven onmisbaar
Om AI verder te ontwikkelen en echt toepasbaar te maken, is samenwerking dus van groot belang. Met fabrikanten, onderzoeksinstellingen en bedrijven. ‘Wij werken regelmatig samen met Universiteit Twente, bijvoorbeeld voor het onderzoek met de MRI-scanner, maar ook met bedrijven. De software die wij ontwikkelen, moet gecertificeerd worden voordat we het in de kliniek mogen gebruiken. In theorie kunnen we dat zelf doen, maar wij zijn er in de basis niet om producten op de markt te brengen. Daar komen bedrijven in beeld. Die tuberculosescreening in Afrika is bijvoorbeeld ook alleen mogelijk dankzij Delft Imaging, een Nederlands bedrijf dat röntgenapparatuur verkoopt in Afrika mét die software. Zonder hen was het daar nooit gekomen.’
Intersectoraal samenwerken
Samenwerking is niet alleen broodnodig, het wordt ook steeds makkelijker, zegt Van Ginneken. ‘In de medische beeldanalyse gebruiken we dezelfde technologie als de industrie gebruikt voor kwaliteitsinspecties, de machinebouw of de procesindustrie. Samenwerking met universiteiten of andere partners in de regio is door de brede toepasbaarheid van AI nu logischer dan tien jaar geleden. We kunnen daarom heel goed samen optrekken in de regio en zorgen dat de uitkomsten van onderzoek echt toepasbaar worden in de maatschappij.’
Dit artikel verscheen eerder op de website van AI-hub Oost-Nederland: AI voor efficiëntere zorg (aihub-oost.nl)
