In veel delen van de wereld werken artsen onder omstandigheden met beperkte toegang tot gespecialiseerde diagnostiek en expertise. Geavanceerde tests en specialistische ondersteuning zijn vaak niet direct beschikbaar, terwijl de klinische behoefte groot is. In zulke omgevingen kan kunstmatige intelligentie (AI) een belangrijke brug slaan tussen beschikbare middelen en kwalitatieve zorg.
Bij een gastroscopie (bovenste endoscopie) bekijkt de arts de binnenkant van de maag. Het correct interpreteren van deze beelden vraagt doorgaans jarenlange ervaring en ondersteuning van pathologie, omdat vroege ziekteverschijnselen vaak subtiel zijn. AI kan hierbij helpen door routinematig verzamelde endoscopiebeelden automatisch te analyseren.
Samenwerkend AI-systeem
Onderzoekers van National Taiwan University Hospital en de faculteit Computer Science & Information Engineering van National Taiwan University ontwikkelden een AI-systeem dat bestaat uit meerdere samenwerkende modellen. Het systeem is getraind op grote aantallen endoscopiebeelden, gekoppeld aan door specialisten geïnterpreteerde pathologiegegevens. Zo leert de AI hoe experts maagafwijkingen herkennen.
De technologie selecteert automatisch beelden van goede kwaliteit, richt zich op de juiste maagregio’s en markeert relevante oppervlakkige en vasculaire kenmerken die kunnen wijzen op ziekte.
Meerwaarde voor zorg
Het AI-systeem kan snel tekenen herkennen van een Helicobacter pylori-infectie en vroege veranderingen in het maagslijmvlies die samenhangen met een verhoogd risico op maagkanker. De resultaten zijn gepubliceerd in het vakblad Endoscopy.
Voor artsen in de eerste lijn of in afgelegen gebieden kan deze ondersteuning het verschil maken. AI helpt hen gerichter te beoordelen wat zij zien en welke vervolgstap nodig is: aanvullende diagnostiek, behandeling tegen H. pylori of intensievere endoscopische follow-up. Hierdoor kunnen risicovolle situaties eerder worden herkend, ook wanneer specialistische zorg niet in de buurt is.
Volgens eerste auteur Tsung-Hsien Chiang helpt AI artsen bovendien om preciezer te rapporteren. “Door te leren van grote datasets met gekoppelde histopathologie kan AI maagbevindingen consistenter en nauwkeuriger beschrijven. Dat voorkomt vage termen zoals ‘gastritis’, die weinig houvast bieden voor verdere behandeling.”
Digitale assistent
Hoofdonderzoeker Yi-Chia Lee benadrukt dat AI geen vervanging is van de arts. “AI fungeert als digitale assistent die het klinisch oordeel ondersteunt. Door naadloos aan te sluiten op bestaande zorgprocessen draagt AI bij aan meer consistente kwaliteit van zorg en helpt het de kloof te verkleinen tussen goed uitgeruste ziekenhuizen en zorg in afgelegen gemeenschappen.”
Doel van deze studie is aantonen dat AI in de praktijk kan bijdragen aan vroegtijdige detectie en meer gelijkwaardige toegang tot hoogwaardige diagnostiek. De studie is ook een extra 'bewijs' dat AI een steeds grotere rol speelt in de diagnostiek van colorectale kanker.
Effectiviteit maagkanker medicatie
In 2023 toonde onderzoeker Dr. Rob Verhoeven aan dat real-world data kan worden ingezet om sneller inzicht te krijgen in de effectiviteit van medicijnen, specifiek bij maagkanker. Waar effectiviteit traditioneel wordt vastgesteld via gerandomiseerde klinische studies, maken gegevens uit de dagelijkse zorgpraktijk het mogelijk om al eerder waardevolle signalen te herkennen, nog voordat een klinische studie volledig is afgerond.
Dankzij technologische vooruitgang wordt het analyseren van real-world data steeds beter mogelijk. In tegenstelling tot real-time data, waarbij snelheid centraal staat, draait real-world data vooral om representatieve en authentieke informatie uit de echte wereld. Deze data, afkomstig uit onder meer elektronische patiëntendossiers, sensoren en patiëntfeedback, biedt nieuwe kansen om behandelingen effectiever en persoonlijker te maken. Daarmee ondersteunt real-world data een meer proactieve benadering van zorg en medicijnontwikkeling.
Auteur
