Programma

Nieuws
Wilt u
belangrijke
informatie delen
met onze
redactieraad?
Tip hier de
redactieraad?
Bekijk overzicht
8 januari 2020
Artikel delen

EU-club radiologen: AI vervangt niet, maar ondersteunt

Om groeiende twijfel onder radiologen over hun toekomst in een door AI beheerste medische wereld weg te nemen, heeft de European Society of Radiology (ESC) een kort white paper gepubliceerd. Daarin worden de mogelijke toepassing van AI in radiologie, de ethische en professionele impact ervan en de toekomstige evolutie belicht.

Tags

Deel dit artikel

Wilt u belangrijke informatie delen met de redactieraad?

Tip hier de redactieraad

AI in radiologie groeit snel. Digitale medische beelden bestaan uit pixels die gemakkelijk kunnen worden geanalyseerd door algoritmen – met een precisie groter dan een menselijk oog. Veel professionals voelen zich verloren tussen wetenschappelijke feiten en hype-termen zoals AI, radiomics, algoritmen, machine learning. Sommigen maken zich zorgen dat precieze en efficiënte algoritmen de radiologen op korte termijn zullen vervangen. Media publiceren regelmatig over op AI gebaseerde systemen die artsen nu al overtreffen bij het analyseren van medische beelden.

AI overtreft radiologen

In een artikel dat onlangs in het blad Nature is gepubliceerd, beschrijft Scott Mayer McKinney van Google Health een systeem gebaseerd op kunstmatige intelligentie dat deskundige radiologen overtreft bij het nauwkeurig interpreteren van mammogrammen van screeningprogramma’s. Het onderzoek werd uitgevoerd op mammogrammen voor 25.856 vrouwen in het Verenigd Koninkrijk en 3.097 vrouwen in de Verenigde Staten.

Kunstmatige intelligentie voegt duidelijk waarde toe aan beeldinterpretatie, zo stelt de white paper, maar er zijn ook toepassingen buiten de traditionele radiologische activiteiten. In radiomics kan AI de analyse van de functies bevorderen en helpen bij de correlatie met andere omics-gegevens. Imaging-biobanken zouden daarbij een noodzakelijke infrastructuur worden om de beeldgegevens te organiseren en te delen van waaruit AI-modellen kunnen worden getraind.

Helpend instrument

Kunstmatige intelligentie kan ook worden gebruikt als een optimalisatie-instrument om de technoloog en radioloog te helpen bij het kiezen van een gepersonaliseerd patiëntprotocol, het volgen van de dosisparameters van de patiënt en een schatting van de stralingsrisico’s. Verder kan AI-gebaseerde technologie de rapportagewerkstroom helpen en ondersteunen bij het koppelen van woorden, afbeeldingen en kwantitatieve gegevens. Tot slot slotte kan AI in combinatie met CDS het beslissingsproces verbeteren en daarmee de klinische en radiologische workflow optimaliseren.

Ethiek is echter ook een belangrijk vraagstuk als het gaat om de inzet van AI. “Wie is verantwoordelijk voor de fouten van een algoritme?”, vraagt Daniel Pinto dos Santos van de European Society of Radiology zich af. “Waarschijnlijk de radioloog. Als we de reden achter de beslissing van een software echter niet begrijpen, zijn we dan bereid die te vertrouwen of blijven we liever onze instincten volgen? Maar wat heeft het dan voor zin om het algoritme in de eerste plaats te vragen? Ook kunnen er andere ethische kwesties zijn die zich voordoen zodra kunstmatige intelligentie zijn weg vindt naar de klinische praktijk.”

Enkele belangrijke punten uit het white paper:

  • Buiten de traditionele radiologieactiviteiten van beeldinterpretatie om, is de verwachting dat AI invloed heeft op radiomics, beeldbiobanken, klinische beslissingsondersteunende systemen, gestructureerde rapportage en workflow.
  • De belangrijkste factor voor AI-prestaties is training met grote en hoogwaardige gegevens om overfitting en underfitting te voorkomen.
  • De drie wetten van robotica (bedacht door SF-auteur Isaac Asimov) kunnen worden toegepast op radiologie, waarbij de ‘robot’ de ‘AI-gebaseerde medische beeldverwerkingssoftware’ is.
  • Als kunstmatige intelligentie in de klinische praktijk wordt gebruikt, is het belangrijkste medisch-juridische probleem dat zich dan voordoet ‘wie verantwoordelijk is voor de diagnose’.

Download hier de whitepaper:

Tags

Deel dit artikel

Wilt u belangrijke informatie delen met de redactieraad?

Tip hier de redactieraad

Mis niks en ontvang de spannendste ontwikkelingen