Kunstmatige intelligentie kan de medische beeldvorming in de borstkankerzorg aanzienlijk verbeteren en vervolgzorg persoonlijker maken. Dat blijkt uit het promotieonderzoek van Madelon Voets (Universiteit Twente), uitgevoerd binnen het AMICUS-project met IKNL, Ziekenhuisgroep Twente en andere partners. Volgens Voets biedt AI veelbelovende mogelijkheden om de diagnostiek te versterken en nacontrole beter af te stemmen op het individuele risicoprofiel van patiënten. Tegelijkertijd waarschuwt het onderzoek dat bestaande beoordelingskaders tekortschieten om de daadwerkelijke waarde van AI-toepassingen goed te bepalen.
Hierdoor blijft onzeker hoe nieuwe technologieën veilig en verantwoord kunnen worden ingevoerd in de klinische praktijk, een vraag die volgens het onderzoek dringender wordt naarmate AI-systemen een grotere rol krijgen in de zorg. Beeldvorming is cruciaal voor de diagnostiek, behandeling en nacontrole van borstkanker. Door de groei van beeldtechnieken ontstaan grote datavolumes die geavanceerde analyse vragen. Kunstmatige intelligentie kan deze gegevens efficiënter verwerken en de diagnostische nauwkeurigheid verbeteren.
Doelmatige zorg
Voets promoveerde op eind november aan de Universiteit Twente, binnen de vakgroep Health Technology & Services Research (BMS). In haar proefschrift 'Van belofte naar praktijk: het beoordelen van de gezondheids- en economische impact van kunstmatige intelligentie bij beeldvorming en nacontrole van borstkanker' onderzocht Voets hoe AI kan bijdragen aan betere uitkomsten en doelmatige zorg.
Op basis van real-world data uit de Nederlandse Kankerregistratie (NKR) en ziekenhuisdossiers ontwikkelde zij een simulatiemodel om de effecten van AI-gebaseerde beeldvorming te analyseren. De bevindingen tonen aan dat AI, bij zorgvuldige toepassing in de klinische praktijk, kan bijdragen aan eerdere opsporing van terugkeer van kanker, minder gemiste diagnoses en efficiënter gebruik van middelen, mits zorgvuldig geïmplementeerd binnen de klinische praktijk.
Adaptief karakter AI
Het onderzoek maakt duidelijk dat gangbare methoden voor gezondheid-economische evaluatie vaak onvoldoende zijn om AI te beoordelen. Traditionele modellen zijn ontwikkeld voor geneesmiddelen of medische hulpmiddelen en houden geen rekening met het lerende, adaptieve karakter van AI-systemen. Daardoor blijven de langetermijneffecten op patiëntenzorg en kosten geregeld onzichtbaar. Het proefschrift benadrukt de noodzaak van innovatieve beoordelingskaders waarin klinische, economische en ethische dimensies worden geïntegreerd. Alleen zo kan de meerwaarde van AI in de oncologische zorg volgens het onderzoek goed worden vastgesteld.
Deze benadering sluit aan bij de ambitie van IKNL om datagedreven kennis te ontwikkelen die de kwaliteit, doelmatigheid en persoonsgerichtheid van oncologische zorg versterkt. Naast de methodologische vernieuwing geeft het onderzoek ook een inkijk in de dagelijkse zorgpraktijk. Een belangrijk onderdeel richtte zich op de uiteenlopende manieren waarop borstkankercontrole in Nederland wordt uitgevoerd.
Uit analyses van de NKR blijkt dat sommige patiënten na een curatieve behandeling onnodig vaak worden gecontroleerd, terwijl anderen met een hoger risico juist te weinig nacontrole krijgen. Met AI-gebaseerde risicomodellen kan de frequentie van beeldvorming beter worden afgestemd op het persoonlijke risico. Zo draagt het onderzoek bij aan meer gepersonaliseerde en efficiënte nacontrole, wat het aantal ziekenhuisbezoeken kan verminderen en de kwaliteit van leven kan verbeteren.
AMICUS
Het promotieonderzoek van Madelon Voets vond plaats binnen het inmiddels afgeronde AMICUS-project, waarin organisaties zoals IKNL, Universiteit Twente, Ziekenhuisgroep Twente, Maastro, Elisabeth-Tweesteden Ziekenhuis, Tilburg University en UMCG samenwerkten. Het project bouwt voort op de Personal Health Train (vantage6), een infrastructuur die veilig en privacy-vriendelijk datagebruik mogelijk maakt zonder dat zorginstellingen gegevens hoeven uit te wisselen.
AMICUS (Artificial Intelligence in Medical Imaging for Cancer User Support) laat zien hoe samenwerking tussen verschillende disciplines kan helpen om AI op een verantwoorde manier in de oncologische zorg te introduceren. De artikelen uit het onderzoek van Voets zijn open access beschikbaar. Ze kunnen ook worden opgevraagd via bibliotheek@iknl.nl. Voor inhoudelijke vragen is prof. dr. Sabine Siesling bereikbaar via s.siesling@iknl.nl.
Nieuwe scantechniek
Begin dit jaar schreven we ook over ander wetenschappelijk onderzoek dat is gedaan in Aberdeen. Onderzoekers van de Universiteit van Aberdeen hebben een nieuwe scantechniek ontwikkeld die verborgen uitzaaiingen van borstkanker zichtbaar maakt. Met de zogeheten Field Cycling Imager (FCI) kunnen tumoren duidelijker worden onderscheiden van gezond weefsel dan met de traditionele MRI-scans. Deze nauwkeurigere beeldvorming kan leiden tot minder ingrepen en beter gepersonaliseerde behandeltrajecten voor patiënten.
