Twee ziekenhuizen, het Catharina Ziekenhuis in Eindhoven en het UMC Utrecht, hebben de AI-technologie van Qure.ai geïntegreerd in hun workflow voor thoraxfoto’s. Daarmee versterken zij de landelijke beweging richting eerder, consistenter en efficiënter opsporen van longkanker met behulp van kunstmatige intelligentie.
Beide instellingen zetten gericht in op AI-ondersteunde detectieprogramma’s voor longnoduli. Deze programma’s moeten leiden tot opportunistische screening: het herkennen van verdachte plekken op longfoto’s, zelfs wanneer deze om andere redenen zijn gemaakt. De AI-oplossing qXR van Qure.ai markeert subtiele noduli die gemakkelijk gemist kunnen worden, waardoor radiologen sneller kunnen ingrijpen.
Sleutelrol UMC Utrecht bij AI-radiologie
Als één van de meest vooraanstaande academische ziekenhuizen van Nederland speelt het UMC Utrecht een sleutelrol in de implementatie van AI binnen de klinische radiologie. Het ziekenhuis heeft een sterke onderzoekstraditie op het gebied van longkankerdiagnostiek en digitale innovaties.
“AI-gedreven diagnostiek is inmiddels onmisbaar in de moderne radiologie,” zegt dr. Firdaus Mohamed Hoesein, thoracaal radioloog en AI-expert. “Door AI in onze workflow te integreren, vergroten we de kans om subtiele afwijkingen vroegtijdig te ontdekken. Dat is essentieel voor betere overlevingskansen bij longkanker.”
Ondersteuning en besluitvorming Catharina Ziekenhuis
Ook het Catharina Ziekenhuis, een gespecialiseerd centrum voor longkankerbehandeling, ziet dat AI een waardevolle rol speelt bij consistente besluitvorming, zeker in drukke klinische settings met radiologen van verschillende subspecialismen en arts-assistenten in opleiding. “Studies tonen aan dat AI de detectiekans aanzienlijk verbetert, zonder dat de specificiteit daaronder lijdt,” zegt dr. Joost Nederend, radioloog. “Dat helpt niet alleen bij verwijzingen, maar zorgt ook voor meer uniformiteit in beoordelingen.”
Het merendeel van de thoraxfoto’s in het ziekenhuis komt via de huisarts binnen, bijvoorbeeld bij aanhoudende hoestklachten. Snellere detectie van longnoduli kan voor deze brede patiëntgroep een groot verschil maken.
Groeiende landelijke beweging
Eerder dit jaar kondigde het Erasmus MC in Rotterdam al een uitgebreide samenwerking met Qure.ai aan, inclusief een grootschalige studie naar AI voor longfoto’s. Daarmee ontstaat een duidelijke lijn: meerdere prominente centra investeren actief in AI-technologie om de diagnostiek te versterken.
“Longkanker is wereldwijd, ook in Nederland, nog altijd de belangrijkste oorzaak van kankersterfte. Door AI in te zetten als een onuitputtelijke tweede paar ogen verschuiven we de focus naar vroege detectie. Dat levert niet alleen gezondheidswinst op, maar creëert ook waarde voor zorgprofessionals en zorgsystemen”, aldus Bhargava Reddy, Chief Business Officer Oncology bij Qure.ai. Hij benadrukt dat dit een cruciale ontwikkeling is en dat de vooruitgang op dit gebied in Nederland duidelijk zichtbaar is: Van Erasmus MC tot het Catharina Ziekenhuis en UMC Utrecht: instellingen omarmen AI die de klinische standaard verhoogt en de zorg toekomstbestendig maakt.”
AI en longkanker diagnostiek
Eerder dit jaar schreven we over de ontwikkeling en het inzetten van deep learning algoritmen om longkanker in een zo vroeg mogelijk stadium te kunnen detecteren. Het is bekend dat voor het monitoren en diagnosticeren van longkanker regelmatige CT-scans essentieel zijn. Tegelijkertijd zorgen die echter ook voor een forse stijging van de werkdruk bij radiologen.
Binnen het SPIRABENE-project ontwikkelden het Fraunhofer-instituut voor Digitale Geneeskunde MEVIS, jung diagnostics en het Universitair Medisch Centrum Mainz een nieuwe AI-oplossing die deze druk moet verlichten. De deep learning-software vergelijkt opeenvolgende CT-beelden razendsnel en nauwkeurig, waardoor subtiele veranderingen in longtumoren beter zichtbaar worden. Dit maakt snellere behandelbeslissingen mogelijk en ondersteunt clinici in hun dagelijkse werk. Traditionele beeldvergelijking is tijdrovend en foutgevoelig, maar de nieuwe software detecteert 11 procent meer tumoren en werkt tien keer sneller dan bestaande systemen.
De technologie is klinisch getest, integreert eenvoudig met bestaande systemen en helpt artsen ook ineffectieve behandelingen tijdig te herkennen. De onderzoekers verwachten dat deze aanpak binnenkort breder inzetbaar wordt, bijvoorbeeld bij volledige lichaamsbeeldvorming voor oncologische follow-up.
Potentieel van AI al geruime tijd bekend
In 2023 gaven Mathias Prokop, hoogleraar Radiologie in het Radboudumc, Colin Jacobs, onderzoeker in het Radboudumc en Jan Woetzel, Hoofd Productmanagement bij Mevis medical solutions in Duitsland, hun visie op de mogelijke inzet van AI bij bevolkingsonderzoek naar longkanker. "Met AI zouden we echter in de toekomst wellicht in staat kunnen zijn om bevolkingsonderzoek naar longkanker op een effectieve en betaalbare manier uit te voeren", zei hoogleraar Prokop toen al.
In april van dit jaar werd bekend dat onderzoekers van Amsterdam UMC een algoritme ontwikkeld hadden dat huisartsen ondersteunt bij het vroegtijdig opsporen van longkanker. Met behulp van AI is het mogelijk om patiënten met een verhoogd risico tot vier maanden eerder te identificeren dan met de huidige werkwijze.
