Om onderstaande en alle andere premium artikelen te lezen, moet u inloggen of een account aanmaken.
U kunt nog {free_articles_left} premium artikel gratis lezen. Om meer premium artikelen te lezen, moet u inloggen of een account aanmaken.
De Universiteit Twente doet in samenwerking met ziekenhuizen veel onderzoek naar de vraag hoe AI kan worden toegepast voor het detecteren en voorspellen van aandoeningen. Op dit moment zijn de data vaak nog beperkt. Maar de eerste waardevolle voorbeelden zijn er al wel.
Diagnostiek voor epilepsie efficiënter, goedkoper en 24/7 beschikbaar maken met automatische analyse voor interpretatie van het EEG. Primaire leverkanker – een steeds vaker voorkomende ziekte waarvan het risico niet te voorspellen is door bloedtesten – met behulp van AI voorspellen op basis van bestaande MRI-beelden van patiënten met chronische leverziekte. Uitlegbare kunstmatige-intelligentiemodellen om de ernst van psoriasis geautomatiseerd te beoordelen op basis van gestandaardiseerde, hoogwaardige klinische foto’s.
Het zijn alle drie sprekende voorbeelden van onderzoek naar de mogelijkheden om AI te gebruiken in medisch onderzoek. Het belang ervan is duidelijk. Visuele beoordeling van epileptiforme ontladingen op een hersenfilmpje is tijdrovend. Primaire leverkanker wordt vaak te laat ontdekt. En de dermatologische zorg staat onder druk door snelle toename van huidkankerpatiënten.
Bij de Universiteit Twente spelen twee onderzoekers een belangrijke rol in het verkennen van deze AI-toepassingen. De ene is Stéphanie van den Berg, universitair hoofddocent Research Methodology and Data Analysis. Zij heeft een PhD in psychologie en is gespecialiseerd in statistiek en genetica.
De tweede is Maryam Amir Haeri. Zij is universitair hoofddocent datawetenschap en AI. Amir Haeri heeft een PhD in AI en werkte lang in computerwetenschappen voordat ze naar de Universiteit Twente kwam, waar ze nu werkt als thema-coördinator Gezondheid bij de faculteit BMS. “Hier werken veel mensen uit verschillende invalshoeken met elkaar samen”, vertelt ze. “Ook mensen die zich bezighouden met de ethiek van en de communicatie over zorgtechnologie en met mentale gezondheid.”
Dit soort toepassingen gaat de zorg echt veranderen
Het AI-onderzoek waarmee zij zich bezighouden, vraagt om samenwerking tussen de wetenschap en de kliniek. “Meestal komt de kliniek naar ons toe”, zegt Van den Berg. “Voor het AI-voorspelmodel voor primaire leverkanker bijvoorbeeld werden we benaderd door MDL-arts Maureen Guichelaar van Medisch Spectrum Twente. En voor het psoriasis-model was dit dermatoloog Tanja Vogel uit hetzelfde ziekenhuis.”
Voor dergelijke samenwerkingen staan beiden graag open. “Als we met afdelingen in ziekenhuizen in gesprek gaan, merken we dat ze nog niet altijd de data hebben om een onderzoek mee te kunnen starten”, stelt Amir Haeri. “Maar door met ze in gesprek te gaan, ontstaat een basis om daar gericht aan te gaan werken. Zelf data verzamelen is dan een onderdeel van het onderzoeksvoorstel.”
Als de data er wel is, is die niet altijd schoon, vult Van den Berg aan. “Bovendien zijn de patiëntaantallen vaak te beperkt of zit er te weinig informatie in. Ook ontbreken soms labels van de patiënten. Data van slechts één ziekenhuis wordt bovendien door wetenschappelijke tijdschriften niet geaccepteerd als basis voor een publicatie. Daarvoor zijn data van meerdere ziekenhuizen nodig.”
Zelfs als een ziekenhuis wel een redelijke hoeveelheid data heeft, kan het nog steeds zo zijn dat slechts een heel beperkt deel daarvan betrekking heeft op de patiëntenpopulatie die voor het voorgenomen onderzoek relevant is. “Er zijn bijvoorbeeld heel veel vormen van kanker”, aldus Van den Berg. “Ook kan het voorkomen dat geschikte data slechts betrekking heeft op een beperkte, regionale populatie. En als we wearables inzetten, kan het voorkomen dat iemand die vergeet om te doen of dat de batterij opraakt.”
“Met beperkte data zijn de mogelijkheden ook beperkt”, zegt Amir Haeri, “dus is het zaak ze aan te vullen met data van andere ziekenhuizen. Of het AI-model als eerste stap te pre-learnen op andere data. Er zijn wel methoden voor data-augmentation, maar ook daarvoor is een minimale hoeveelheid data vereist.” Het is echt nodig om binnen grotere consortia te gaan werken, voegt Van den Berg toe. “Wel geeft dit weer problemen voor dataharmonisatie, omdat verschillende centra data op verschillende manieren verzamelen en verwerken.”
Ondanks deze tekortkomingen zijn beiden positief over de toekomstmogelijkheden voor het gebruik van AI in medisch onderzoek. “Ook beperkte data zijn waardevol”, vindt Amir Haeri. “Bij het AI-model voor leverkanker bijvoorbeeld zien we dat er wel degelijk voorspellers zijn in de data. Op dit moment is dit model nog alleen toepasbaar voor de beperkte patiëntengroep in deze setting in dit ene ziekenhuis, maar dat is wel een waardevolle basis voor verder onderzoek.”
Van den Berg onderschrijft dit. “Er is een signaal in de MRI”, zegt ze, “ook als de persoon nog geen kanker heeft. Dat inzicht is de basis voor het verkrijgen van grotere onderzoeksubsidies en betere samenwerkingen zodat we de kwaliteit van dat signaal kunnen verbeteren.”
Amir Haeri zegt te hopen dat over een paar jaar sprake is van meer bruikbare data en samenwerking tussen ziekenhuizen. “Er is aandacht voor federated data analysis”, zegt ze, “voor het creëren van een infrastructuur die data van meerdere centra delen mogelijk maakt.”
Punt van aandacht is nog wel dat partijen data vaak als hun eigendom beschouwen, stelt Van den Berg. “We zien de FAIR-principes1 als een omslag naar open wetenschap. Vooral bij de jongere generatie zien we meer bereidheid tot samenwerking als je met goede ideeën komt. Ook de oudere garde begint bovendien in te zien dat ze niet alleen data nodig hebben, maar ook de expertise om iets met die data te kunnen doen: AI-expertise en statistische expertise. Dat maakt ons voor wetenschappers in de kliniek zo’n interessante partij om mee samen te werken. De korte lijntjes met de sociale wetenschappen helpen ons om met de wetenschappers in de kliniek het gesprek te voeren over wat die écht nodig hebben. Die gesprekken gaan dan ook niet alleen over de techniek, maar ook juist over de klinische toepassing daarvan.”
De cultuur van samenwerken die binnen de Universiteit Twente bestaat, helpt beide onderzoekers enorm in hun werk. “We werken ook veel samen met onze collega’s van het Technisch Medisch Centrum (TechMed Centrum)”, zegt Amir Haeri. “Voor de buitenwereld is het TechMed Centrum vaak het eerste contact, dus zij kennen de mensen die wij nodig hebben voor ons werk. En ze organiseren events die voor ons interessant zijn, bijvoorbeeld over hoe je subsidies kunt verwerven.”
Van den Berg: “Het TechMed Centrum is voor ons bij uitstek de plek waar we ons toe wenden als we een idee hebben en willen weten met welke partijen we in contact moeten komen om dat te kunnen uitwerken.” En ideeën zijn er genoeg, veel meer dan de drie genoemde voorbeelden. Een AI-model voor monitoring van IC-patiënten die in coma zijn bijvoorbeeld. “Als je met hulp van AI veranderingen in hun toestand op afstand kunt monitoren kun je daar sneller naar handelen”, zegt Amir Haeri. “Dit soort toepassingen gaat de zorg echt veranderen.”
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.
