De onderzoeksgroep Mathematics of Imaging & AI (MIA) van de Universiteit Twente doet onderzoek naar het gebruik van AI bij medische beeldvorming en beeldanalyse, én naar de mogelijkheid om meer informatie uit bestaande data te halen dan nu kan. De ontwikkelingen op dit gebied moeten toepasbaar zijn in de zorg, stelt universitair hoofddocent dr. Jelmer Wolterink. Het feit dat hij zelf beide werelden kent, is hierbij een belangrijke factor.
Met zijn ervaring als technisch onderzoeker in een klinische omgeving zit Jelmer Wolterink in de onderzoeksgroep MIA van Universiteit Twente op de goede plek. Hij studeerde AI, behaalde zijn master in de wiskunde en promoveerde op onderzoek naar verbeterde diagnostiek van kransslagaderverkalking met AI. “In de zorg had ik geen achtergrond, dus ik ben daar bij toeval ingerold”, vertelt hij. “Dit bleek een goede keus te zijn. Het promotieonderwerp beviel me, het heeft sociale relevantie. Het is mooi iets met je kennis te kunnen doen dat, door samenwerking met de juiste partners, impact kan hebben op de patiënt.”
Precies dat is ook het doel van MIA, vervolgt Wolterink. “Het interessante van hier werken is dat we – ook met ons Technisch Medisch Centrum (TechMed Centrum) en in samenwerking met andere onderzoeksgroepen – heel concreet technologie naar de zorg brengen. Ik werkte eerder in academische ziekenhuizen in Utrecht en Amsterdam, maar zie dat op de Universiteit Twente met een unieke technische blik wordt gekeken naar belangrijke vraagstukken op het gebied van AI en zorg. Bijvoorbeeld over de vraag hoe we AI betrouwbaar maken en kennis inbouwen in een bestaand AI-model.”
Onderscheid
Naar toepassing van AI om menselijke taken te automatiseren wordt op meer plaatsen onderzoek gedaan. “Een belangrijk aspect dat MIA hierin onderscheidt, is dat we gebruik maken van de geometrie van data”, vertelt Wolterink. “Het inbouwen van zulke voorkennis in een model maakt het mogelijk om het te laten leren van minder voorbeelden. Denk bijvoorbeeld aan een beeld van het hart dat op verschillende manieren geroteerd en aangeboden kan worden aan een model. Als het model die rotatie al in zich heeft, kun je het model van minder beelden laten leren.”
Bijzonder is volgens Wolterink ook dat MIA beeldanalyse vanuit de wiskunde benadert. “We kijken naar hoe betrouwbaar de methode is en wanneer we wel en niet kunnen vertrouwen op de resultaten. Hier kijken wij met onze wiskundige achtergrond anders naar dan een klinisch ingestoken onderzoeksgroep.”
Praktijkgerichte onderzoeken
Twee voorbeelden van onderzoek dat MIA doet, zijn het ontwikkelen van een algoritme om prostaatkanker te detecteren op MRI-beelden en de ontwikkeling van modellen die kunnen voorspellen hoe een ziekte – bijvoorbeeld een aneurysma – zich ontwikkelt.
“We doen als onderzoeksgroep meer”, benadrukt Wolterink, “maar hebben een sterke achtergrond en robuuste samenwerkingen op het gebied van hart- en vaatziekten. Het aneurysma-onderzoek is opgebouwd met behulp van een Veni-subsidie en is een samenwerking met ziekenhuizen in onder andere Amsterdam, Arnhem en Groningen. Zij hebben heel veel historische data over hoe een aneurysma zich ontwikkelt. Op basis daarvan onderzoeken we of we kunnen bepalen wanneer moet worden ingegrepen en of we de uitkomst van een ingreep na een jaar kunnen voorspellen, zodat de juiste behandeling kan worden gekozen voor individuele patiënten.”
De zorg heeft echt domeinspecifieke AI-toepassingen nodig
Het prostaatonderzoek is een samenwerking met Radboudumc, UMC Groningen en Siemens Healthineers. Wolterink hierover: “Het is natuurlijk een heel actueel onderwerp nu recent in het nieuws kwam dat de diagnose prostaatkanker steeds vaker wordt gesteld. Heel interessant om hierin met artsen te kunnen samenwerken.”
Samenwerking
Een goed voorbeeld van samenwerking met klinische partners, maar ook bedrijven en onderzoekers, is het Innovation Center for Artificial Intelligence (ICAI) lab. ICAI is een initiatief van de Universiteit van Amsterdam en Vrije Universiteit Amsterdam en wordt geleid door hoogleraar AI and information retrieval prof. dr Maarten de Rijke (Universiteit van Amsterdam).
“De motivatie voor ICAI is om meer probleemgedreven onderzoek te doen”, vertelt Wolterink. “Wij participeren als Universiteit Twente onder andere in het Healthy AI Lab - samen met Radboudumc, UMC Groningen en Siemens Healthineers - met vijf projecten die op verschillende manieren bijdragen aan betere toepassing van prostaat-MRI met gebruik van AI. Dit lab is opgezet als onderdeel van een groot landelijk programma waarvoor twee jaar geleden een NWO-subsidie is toegekend, LTP ROBUST. Hierbij zijn zeventien publiek-private ICAI-labs betrokken. Vanuit MIA leveren we hierin een bijdrage om tot robuuste AI te komen. We onderzoeken hoe we de acquisitie en analyse van de MRI-beelden voor prostaatonderzoek met AI snel en betrouwbaar maken.”
Wat dit moeilijk maakt, vervolgt Wolterink, is dat ieder ziekenhuis zijn eigen scanner of protocol heeft en dat ook populaties van elkaar kunnen verschillen. “Dat kan effect hebben op de beeldanalyse en die variatie proberen we eruit te halen. Een ander deel van het onderzoek gaat over de vraag hoe je beelden combineert die in de loop van de tijd van één patiënt worden verkregen. We onderzoeken hoe de imaging plaatsvindt en wat AI hieraan kan toevoegen. Het Healthy AI Lab is een goed voorbeeld van de kracht van het TechMed Centrum, waarin technisch onderzoek en medisch relevante uitdagingen elkaar vinden.”
Zes elementen
In alle algoritmen die binnen het LTP ROBUST programma worden ontwikkeld, wordt naar zes elementen gekeken: nauwkeurigheid, verklaarbaarheid, betrouwbaarheid, herhaalbaarheid, veerkracht en veiligheid. “Een belangrijk aspect in de acceptatie van AI is dat de gebruiker begrijpt waarom het model zo zeker is van zijn voorspelling”, zegt Wolterink. “De methode hiervoor kan in het model worden ingebouwd, waarbij wel de balans met de performance moet worden bewaakt. We zijn ook bezig met onderzoek om de onzekerheid van de resultaten terug te geven. Het mooist is als die overeenkomen met de plekken waar de fouten aanwezig zijn.”
Ook het belang van wetgeving en ethiek is groot, onderstreept hij. “De laatste jaren zien we een enorme boost van de aandacht vanuit de zorg voor AI. De velden ontwikkelen zich snel en wetgeving en ethiek zijn daarin eigen onderzoeksvelden geworden. Het is goed dat in ICAI ook experts met een achtergrond in de rechten en sociale wetenschappen betrokken zijn. Er is veel interesse in de ziekenhuizen om AI te implementeren en ik denk dat wij daarin veel te bieden hebben. De zorg heeft echt domeinspecifieke toepassingen nodig, zoals die waaraan wij werken. Onze samenwerking met het zorgveld en met Siemens Healthineers garandeert dat wat wij ontwikkelen ook echt in de zorg toepasbaar is.”
Opleidingen Technisch Medisch Centrum
Binnen het Health-onderwijs aan de UT speelt kunstmatige intelligentie (AI) een steeds grotere rol. Het onderwerp komt in verschillende masters uitgebreid aan bod. Studenten maken kennis met moderne machine-learningtechnieken en AI-toepassingen, die ze later in hun opleiding en in het werkveld gebruiken voor bijvoorbeeld medische beeldverwerking en data-analyse.
Het TechMed Centrum van de UT omvat drie interdisciplinaire bachelor- en masteropleidingen die focussen op het verbeteren van de zorg door middel van technologie:
- Biomedische Technologie: leidt studenten op om innovatieve medische technologieën te ontwerpen en te ontwikkelen, van kunstorganen tot beeldvormingstechnologieën en revalidatiesystemen.
- Gezondheidswetenschappen: leidt studenten op die vanuit verschillende perspectieven de kwaliteit van de gezondheidszorg verbeteren. Uniek is de focus op innovaties en de waarde van het toepassen van technologie in de gezondheidszorg.
- Technische Geneeskunde: leidt studenten op tot academische zorgprofessionals die werken met innovatieve technologieën bij patiënten. De opleiding richt zich op het innoveren en implementeren van (nieuwe) technologische oplossingen voor diagnose en behandeling in de patiëntenzorg en op het veilige, effectieve en efficiënte gebruik ervan.
