Het is een tijdrovende en intensieve klus voor radiologen om botafwijkingen die horen bij de Ziekte van Kahler op te sporen op CT-scans. Het ETZ en Tilburg University onderzoeken of Artificial Intelligence (AI) helpt om de afwijkingen sneller en nauwkeuriger te herkennen. Met als resultaat een betere en snellere diagnose van de ziekte bij de patiënt.
“Belangrijk, want dan kun je de behandeling sneller starten”, weet Maarten Heres, biomedisch ingenieur bij de Afdeling Klinische Fysica van het ETZ. Het idee om AI te gebruiken in de geneeskunde is niet nieuw. Sterker nog, radioloog Erik Ranschaert krijgt regelmatig verzoeken van aanbieders. “Zij bieden een relatief kant en klaar product aan, terwijl ik liever van begin af aan betrokken ben zodat ik kan beïnvloeden wat het algoritme omvat en hoe het werkt.”
Botafwijkingen sneller herkennen dankzij Artificial Intelligence
Input medici
Het ziekenhuis beschikt over veel data, in de vorm van CT-scans, Tilburg University over kennis en onderzoekers. De partijen slaan de handen ineen om een tool te ontwerpen die functioneert op basis van een algoritme. “Die tool moet radiologen helpen bij hun moeilijke taak”, vertelt onderzoeker Juan Sebastian Olier. “De tool kan bijvoorbeeld voorstellen om naar een specifiek deel van het lichaam te kijken, zodat de radioloog niet alle mogelijke lichaamsdelen hoeft na te gaan.” Daarbij is de input van medici nodig. Sharon Ong, collega van Olier: “Zo hebben radiologen van het ETZ alle botafwijkingen op foto’s van patiënten met de ziekte van Kahler gelabeld zodat het algoritme ze kan herkennen. Ook geven ze aan in welke lichaamshouding een foto is gemaakt. Dat moet je wel weten voor het algoritme. Voor ons is de samenwerking bijzonder omdat we normaal gesproken een set data krijgen met de vraag een algoritme te ontwerpen. Nu doen we dat écht samen.”
Meer afdelingen
De kans om het onderzoek samen met de afdeling Cognitive Science and Artificial Intelligence van Tilburg University op te pakken, greep Ranschaert met beide handen aan. Hij is pionier in het thema en bovendien voorzitter van EuSoMII, een Europese netwerkorganisatie voor onder meer radiologen, data-onderzoekers en informatie-experts. “Mijn hele carrière houd ik me al bezig met de mogelijkheden van digitalisering in de zorg. AI is op veel meer afdelingen in te zetten dan alleen radiologie, denk bijvoorbeeld aan pathologie.” Heres: “Ik verwacht veel van AI-tools in de zorg. Maar dan is wel heldere regelgeving nodig om een veilig gebruik te garanderen, verantwoordelijkheden te beleggen en implementatie goed te regelen.”
Gebruik tool
Het onderzoek is in januari 2020 gestart. Plan is om na één jaar het prototype van het algoritme klaar te hebben. Daarna wordt gestart met de implementatie. “Het gebruik van de tool moet soepel gaan”, stelt Heres. “Radiologen moeten vertrouwen krijgen in de software. Dat kost tijd en is een proces, waarvoor meer financiering nodig is. We waarderen het zeer dat we dit onderzoek binnen We Care kunnen doen. En hopen dat het de start van meer ambitieus en kwalitatief goed onderzoek is.”