Artificial Intelligence (AI) toepassingen kunnen helpen bij het vinden van een medicijn tegen Alzheimer, het sneller opsporen van tumoren of het voorspellen van effecten van medicijnen tot op individueel niveau, om maar een paar onderzoeksvelden te noemen. Met dank aan AI zijn de komende decennia doorbraken te verwachten bij tal van medische toepassingen.
En toch: wanneer je onderzoekers spreekt die er dagelijks mee werken, zit er nog een grote kloof tussen verwachtingen en realiteit. Zoals wel vaker lopen de nieuwe technologische mogelijkheden tegen de grenzen aan van bestaande structuur en cultuur. In dit artikel maken we een balans op van de status van AI binnen medische wetenschap. Ook laten we aan de hand van een voorbeeld zien hoe niet alleen de wetenschap, maar ook het bedrijfsleven en de gezondheidszorg als geheel hier baat bij kunnen hebben.
Keerpunt
De ontwikkeling van AI-technologie staat op een kantelpunt. Steeds meer AI-toepassingen maken de overgang van het lab naar de samenleving. De technologie zou met de tijd steeds meer ingebed moeten raken. Om de Nederlandse positie op het gebied van kunstmatige intelligentie te versterken en kansen te verzilveren, is het meerjarige AiNed programma (Groeifonds) opgesteld door de Nederlandse AI Coalitie, een publiek-privaat consortium met meer dan 400 deelnemende organisaties.
Het Groeifonds past binnen een beweging die al langer gaande is. Na 2010 maakte AI definitief en breed de overstap van de wetenschappelijke wereld van het lab naar de praktijk. Het aantal AI-patenten stijgt, investeringen in de technologie nemen toe en ook overheden zetten erop in. Er zijn echter ook nog diverse adviezen aan de overheid om de inbedding van AI in de samenleving te ondersteunen, zo concludeert het rapport ‘Opgave AI. De nieuwe systeemtechnologie’1 van de Wetenschappelijke Raad voor het Regeringsbeleid (WRR).
Ook de AI-technologie zelf gaat met sprongen vooruit. De razendsnelle ontwikkelingen in AI, datawetenschappen en digitalisering kunnen zorgen voor een versnelling in wetenschappelijke vooruitgang in alle domeinen, en van fundamenteel tot toegepast onderzoek. Voor de gezondheidszorg is dat niet anders. Als het gaat om medisch wetenschappelijk onderzoek kan je zelfs stellen dat AI zich definitief genesteld heeft als bruikbaar analysetool voor tal van studies.
In het hele land krijgen verschillende AI-labs momenteel gestalte, zoals ICAI labs en ELSA labs. ICAI staat voor Innovation Centre for Artificial Intelligence en is gericht op technologie- en talentontwikkeling tussen kennisinstellingen, bedrijfsleven en overheid. ELSA verwijst naar Ethical, Legal and Societal Aspects. Het doel van de ELSA Labs is ervoor te zorgen dat bedrijven, overheid, kennisinstellingen, maatschappelijke organisaties en burgers samen verantwoorde toepassingen van AI ontwikkelen. Dit laat zien hoeveel partijen nauw samenwerken om stappen vooruit te kunnen zetten.
Daarnaast gebeurt binnen de Zuid-Hollandse universiteiten al veel op het gebied van AI. Zo biedt Leiden veel expertise op het gebied van chemie en kleine moleculen. Delft is ver met automatisering en robotica en Erasmus heeft veel waardevolle datasets van patiënten waarmee AI-systemen kunnen leren. In 2020 lanceerde de TU Delft de eerste ‘TU Delft AI Labs’. In deze labs staat de samenwerking tussen experts in de meest geavanceerde AI-technologieën met domeinexperts centraal.
Maar wat merken wij hier nu van als het gaat om concrete toepassingen voor de gezondheidszorg?
Potentie AI
Een goed voorbeeld is het onderzoek van dr. Sebastian van der Voort (Erasmus MC) naar het gebruik van kunstmatige intelligentie voor het voorspellen van de agressiviteit van hersentumoren op basis van MRI-scans. Zijn proefschrift over het gebruik van AI voor het beoordelen van MRI-scans van patiënten met een hersentumor werd cum laude beoordeeld. Het toont concreet hoe AI-technologie uiteindelijk de potentie heeft om de gezondheidszorg te verbeteren.
Normaliter bepaalt een arts (patholoog) de agressiviteit van een hersentumor op basis van een analyse van een stukje tumorweefsel dat is verkregen via een operatie. Zo’n operatie is niet zonder risico. Daar komt bij dat de patiënt moet wachten op de operatie en ondertussen in onzekerheid zit over het vervolg van de behandeling.
Agressie tumoren voorspellen
Het onderzoek van Van der Voort toont aan dat kunstmatige intelligentie in staat is om de agressiviteit van de tumor te voorspellen op basis van alleen MRI-scans. In sommige gevallen voorspelde het door Van der Voort ontwikkelde model dit zelfs beter dan artsen die alleen naar de MRI-scans kijken. Zijn verwachting is dat het gebruik van kunstmatige intelligentie in de toekomst het aantal biopten kan verminderen. Een patiënt kan daarnaast direct na de MRI-scan al meer zekerheid hebben over het verloop van de behandeling, in plaats van weken te moeten wachten.
Een tool die Van der Voort voor zijn onderzoek ontwikkelde, wordt nu in de onderzoekspraktijk gebruikt. Momenteel zijn scans van patiënten alleen te vergelijken als je dezelfde type contrastbeelden hebt. Maar zo is de database in de kliniek nu niet ingericht. Totdat de tool er was, werd daarom elke keer handmatig uitgezocht welke van de 12 MRI-beelden per patiënt welk ‘contrast’ heeft. Een tijdrovende bezigheid.
De nieuwe tool sorteert de gehele database, waardoor de onderzoeker makkelijker kan selecteren. Uit analyses blijkt dat de tool meer dan 98 procent accuraat is. Niet alleen Erasmus MC gebruikt deze tool nu: vele medische centra maken er gebruik van. Het is open source en dus voor alle wetenschappers beschikbaar. Niet alleen stimuleert dat een breder gebruik, het helpt ook om de tool verder te verbeteren.
Barrières doorbreken
Er zijn meer voorbeelden zoals hierboven geschetst. Toch staat de toepassing van AI technologie ook vaak nog ver van de klinische praktijk. Een van de barrières voor de verdere ontwikkeling richting implementatie is het begrijpen en vertrouwen van deze technologie. Een medisch inhoudelijke leidraad kan zorgverleners helpen om de kwaliteit van de AI oplossing te beoordelen en helpt ontwikkelaars om kwalitatieve, betrouwbare AI te ontwerpen en te realiseren. Daarmee kan een niet technisch-geschoolde zorgprofessional toch een goede afweging maken hoe de AI-toepassing te gebruiken.
Sinds 2020 heeft een brede groep experts en betrokkenen gewerkt aan zo’n leidraad. De Leidraad voor kwalitatieve diagnostische en prognostische toepassingen van AI in de zorg2 is door en voor het veld ontwikkeld en voor iedereen beschikbaar.
Een andere voorwaarde voor de verdere ontwikkeling van AI voor de gezondheidszorg is dat AI-toepassingen ook gebruik kunnen maken van goede, betrouwbare data. De data in de gezondheidszorg zijn nu nog veelal versnipperd: data worden per studie en per toepassing georganiseerd. Op dit moment brengen Nictiz, de NL AI Coalitie en het ministerie van VWS de benodigdheden in kaart om beschikbaarheid van data voor AI in de zorg te verbeteren.
Interdisciplinaire samenwerking
In verschillende wetenschappelijke programma’s van het samenwerkingsverband Medical Delta speelt AI een steeds grotere rol. Bijvoorbeeld in het vorig jaar gestarte programma Medical Delta AI for Computational Life Sciences3, of in de verschillende programma’s rondom Imaging4 waaraan ook het onderzoek van Van der Voort bijdraagt. Het potentieel
van AI is duidelijk waarneembaar in de verschillende onderzoeken. Tegelijkertijd vereist het van verschillende disciplines om over grenzen heen te kijken en goed met elkaar samen te werken.
Deze ontwikkelingen laten zien hoe complex het ecosysteem rondom een brede toepassing van AI in de gezondheidszorg in elkaar zit. Technologisch is er al enorm veel mogelijk en die mogelijkheden nemen alleen maar toe. Maar om het potentieel van AI voor de gezondheidszorg écht te benutten, is goede interdisciplinaire samenwerking tussen onder meer zorgverleners, data scientists ,onderzoekers, patiënt(groepen) en overheden essentieel.
