Amsterdam UMC wil medische beeldvorming toegankelijker maken met AI

Medische beeldvorming gebeurt vooral in het ziekenhuis met dure beeldvormende apparaten zoals computer tomografie (CT) en magnetische resonantiebeeldvorming (MRI). Specialisten moeten zowel deze apparaten bedienen als voor de analyse van de beelden zorgen. “Wij willen met kunstmatige intelligentie technologieën ontwikkelen waarmee we betaalbare, en/of verplaatsbare apparaten zoals echografie en ultra-low field MRI kunnen gebruiken”, aldus Amsterdam UMC-hoogleraar Artificiële intelligentie en medische beeldanalyse Ivana Išgum. “Ook willen we dat bijvoorbeeld huisartsen, echografisten en gespecialiseerde verpleegkundigen met deze apparatuur kunnen werken. Mensen hoeven dus niet hoog gespecialiseerd te zijn.”

Ivana Išgum is de coördinator van het landelijk consortium dat het project AI4AI uitvoert. De technologie zal de behoefte aan hoogopgeleide experts voor bediening en analyse verminderen, wat de druk op hoogopgeleid personeel en bijbehorende kosten sterk zal verminderen. “Daarnaast willen we door kunstmatige intelligentie de beeldanalyse automatiseren”, stelt Išgum, “dus ook daardoor komt er minder behoefte aan hoog gespecialiseerd personeel.” Išgum leidt binnen Amsterdam UMC samen met Clarisa Sánchez de interfacultaire onderzoeksgroep qurAI, die zich richt op de verantwoorde ontwikkeling van AI voor de gezondheidszorg.

Wachtlijsten verkorten

Medische beelden worden nu hoofdzakelijk in ziekenhuizen gemaakt. De werklast op radiologen en andere specialisten neemt enorm toe. Dit kan leiden tot burn-out-symptomen, wat op zijn beurt zowel de duurzaamheid van de zorg als de wachtlijsten voor zorg beïnvloedt. Dit betekent dat patiënten vaker verder moeten reizen om de nodige zorg sneller te ontvangen. Een recente trend in de gezondheidszorg is om de zorg dichter bij de normale leefomgeving te brengen. Išgum: “We willen met dit project bijdragen aan het dichterbij brengen en toegankelijker maken van de zorg voor de patiënt. Daarbij weten we dat ziekenhuiszorg in ontwikkelingslanden niet altijd voor iedereen bereikbaar is. Er zijn in deze landen vaker ook minder hooggeschoolde experts. Ook voor de mensen in deze landen hopen we bij te dragen aan toegankelijkere zorg.”
Radioloog Nils Planken van Amsterdam UMC voegt toe dat veel radiologen en andere medisch specialisten dit verwelkomen. “AI-technologie die kan ondersteunen bij het maken, interpreteren en rapporteren van medisch beeldvormend onderzoek heeft de potentie om wachtlijsten te verkorten en werkdruk te verminderen en wellicht ook de kwaliteit te verbeteren. Het op de juiste wijze inzetten van diagnostiek buiten het ziekenhuis heeft de potentie om patiënten niet of nog gerichter patiënten naar het ziekenhuis door te sturen.”

Toepassingen

Het project AI4AI richt zich op vele ziekten en specialismen, zoals hersenberoerte en hersentumoren. Andere toepassingen zijn visualisatie en interpretatie van orgaanweefsel perfusie bij chirurgie en foetale biomarkers die worden ingezet bij afwijkingen van zwangerschappen. Het project richt zich ook op patiënten die een invasieve behandeling van kransslagaders nodig hebben en op het selecteren van patiënten met vermoedelijke hartziekte. Het leidt eveneens tot de verbetering van de workflow van beeldgestuurde radiotherapie en van verwijzingen voor dringende zorg bij spoedeisende hulp. Verder profiteren de screening en triage van bedreigende visuele aandoeningen bij oogheelkunde ervan, net als de selectie van patiënten die in aanmerking komen voor immunotherapie bij oncologie. Tenslotte leidt het project tot een verbetering van beeldvorming bij orthopedie.