Een, naar eigen zeggen, wereldprimeur van het Australische nationale wetenschapsagentschap CSIRO laat zien hoe AI aanzienlijk slimmer en nauwkeuriger röntgenfoto’s van de borstkas kan interpreteren. Volgens de wetenschappers kan deze ontwikkeling de druk op overbelaste radiologen wereldwijd mogelijk verlichten.
Onderzoekers van het Australian e-Health Research Centre, onderdeel van CSIRO, ontwikkelden een geavanceerd multimodaal taalmodel dat AI traint met dezelfde informatie die artsen in de klinische praktijk gebruiken.
In plaats van alleen beeldmateriaal en verwijzingen van artsen te analyseren, krijgt het AI-model toegang tot aanvullende medische gegevens zoals vitale functies, medicatiegeschiedenis en klinische notities van de spoedeisende hulp. Hierdoor ontstaat een rijkere context voor interpretatie van de beelden. “De AI fungeert als een diagnostische detective, en we geven hem meer bewijsmateriaal om mee te werken,” aldus dr. Aaron Nicolson, hoofdonderzoeker van het project.
Getraind met 46.000 casussen
Het model werd getraind op basis van meer dan 46.000 patiëntencasussen uit een Amerikaanse ziekenhuisdataset. Het AI-model zorgde ervoor dat de diagnostische inzichten met 17 procent verbeterden, met bovendien ook een significant sterkere consensus met de bevindingen van ervaren radiologen.
De inzet van multimodale AI, waarbij beeld en contextuele patiëntdata worden gecombineerd, is een innovatieve stap in de richting van veilige, efficiënte en betrouwbare radiologische ondersteuning. De technologie wordt momenteel klinisch getest in het Princess Alexandra Hospital in Brisbane. Parallel zoekt het onderzoeksteam naar aanvullende locaties om de AI-oplossing breder te valideren in reële zorgsituaties.
Professor Ian Scott, verbonden aan het Digital Health Center van de Universiteit van Queensland en klinisch AI-adviseur bij Metro South Health, ziet brede toepassingsmogelijkheden. “Deze technologie kan de cognitieve belasting van radiologen verlagen, de workflow optimaliseren en zorgen voor tijdige en nauwkeurige rapportage, wat essentieel is voor behandelbeslissingen aan het bed”, aldus de professor.
Data-set én AI-code vrij beschikbaar
In lijn met internationale open science-principes stelt CSIRO zowel de gebruikte dataset als de AI-code publiek beschikbaar. Daarmee biedt het onderzoek een stevige basis voor verdere ontwikkeling van AI-ondersteunde diagnostiek wereldwijd.
Volgens dr. Nicolson biedt de aanpak een praktische en schaalbare oplossing om diagnostische vertragingen te verkorten, klinische efficiëntie te vergroten en uiteindelijk de patiëntuitkomsten te verbeteren. Het onderzoek werd gepresenteerd op de internationale conferentie van de Association for Computational Linguistics in Wenen. De publicatie is beschikbaar via de arXiv-preprintserver.
Meerwaarde AI bij diagnose borstkanker
Er zijn, wereldwijd, meer initiatieven waarbij de meerwaarde van AI-modellen in relatie tot het beoordelen van radiologiebeelden onderzocht wordt. Zo toonde een Duits observationeel onderzoek binnen het nationale mammografie screeningsprogramma begin dit jaar aan dat AI-ondersteuning leidt tot een 17,6 procent hogere opsporing van borstkanker bij vrouwen van 50–69 jaar, zonder meer vals‑positieven of hogere terugroeppercentages. In de AI-groep van dat onderzoek werden 6,7 kankergevallen per 1000 screenings gedetecteerd, versus 5,7 per 1000 in de controlegroep. De positief voorspellende waarde bij daaropvolgende biopsies steeg van 59,2 naar 64,5 procent.
Vorig jaar werd in de VS een AI-algoritme ontwikkeld dat aan de hand van mammogrammen die over eenperiode van drie jaar gemaakt zijn, als onderdeel van preventief borstkankeronderzoek bijvoorbeeld, ruim twee keer nauwkeuriger het risico op borstkanker kan voorspellen. In hetzelfde jaar bleek uit onderzoek van het UMC Utrecht dat een AI-tool pathologen helpt bij het beoordelen van de schildwachtklier om eventuele borstkankeruitzaaiingen te kunnen opsporen.
