JADS en Jeroen Bosch Ziekenhuis zetten Artificial Intelligence in voor betere zorg
ArrayArtificial intelligence (AI) maakt snelle en accurate diagnoses mogelijk en maakt dat zorg kan worden afgestemd op het individu. Het kan daarmee een antwoord zijn op maatschappelijke problemen zoals stijgende wachtlijsten, krapte op de arbeidsmarkt en oplopende zorgkosten. Het Jeroen Bosch Ziekenhuis (JBZ) zet sterk in op AI waaronder deep learning, als essentieel onderdeel van de toekomstige zorg. Het ziekenhuis is hierin de samenwerking aangegaan met de Diagnostic Image Analysis Group (DIAG) van het Radboudumc en de Jheronimus Academy of Data Science (JADS). Het JBZ is het eerste niet-academische ziekenhuis in Nederland dat AI in de praktijk gebruikt en zelf ontwikkelt.
De drie organisaties hebben een programma ontwikkeld op het gebied van AI in de Radiologie, bestaande uit vier lijnen die gelijktijdig zijn opgestart. Ze gaan van het implementeren van gevalideerde AI-software in de klinische praktijk naar het ontwikkelen van een nieuw softwareprogramma.
“In deze samenwerking hebben we bewust gekozen voor kennisinstellingen. Juist omdat wij de kennis nog niet in huis hebben, maar deze willen ontwikkelen. We willen iets dat zo cruciaal is voor onze toekomstige zorg zelf goed begrijpen en op waarde kunnen schatten en niet alleen afhankelijk zijn van commerciële partijen”, aldus Inge Veltman, innovatiemanager bij het JBZ. “AI wordt op den duur een vast onderdeel van de praktijk van onze zorgprofessionals. Medisch Specialisten zullen op dit gebied in de toekomst meer gaan samenwerken met klinisch fysici, klinische informatici en data scientists.”
Bram van Ginneken, hoogleraar medische beeldanalyse aan het Radboudumc en meewerkend aan het project is enthousiast over de samenwerking: “Deep learning is een revolutie in ons vakgebied. Het is nu eindelijk mogelijk computerprogramma’s te maken die scans kunnen beoordelen met een nauwkeurigheid vergelijkbaar met menselijke experts. We moeten nu met meerdere ziekenhuizen samenwerken om gezamenlijk nieuw oplossingen te maken en bestaande oplossingen te testen en te implementeren in de klinische praktijk. Met JBZ hebben we in heel korte tijd een samenwerking op meerdere terreinen kunnen starten.”
Implementatie bestaand softwareprogramma (lijn 1)
Bij het implementeren van een gevalideerd softwareprogramma is gekozen voor boneXpert, een programma waarmee je aan de hand van de skeletleeftijd de groei van kinderen kunt volgen. De computer is hierin sneller en nauwkeuriger dan radiologen. Matthieu Rutten, radioloog in het Jeroen Bosch Ziekenhuis: “Het is van belang om de leeftijd goed in te schatten omdat aan de hand daarvan wordt bepaald of je wel of niet hormoontherapie geeft. Tussen de radiologen kan een variatie van 1 tot 2 jaar zitten.” De implementatie van dit programma ging moeiteloos bij zowel kinderartsen als radiologen. Beide specialismen werken er nu mee.
Goedaardig onderscheiden van kwaadaardig (lijn 2)
Lijn twee is de inzet van een softwareprogramma dat is ontwikkeld in het Radboudumc voor het opsporen van verdichtingen in de longen. Doel is om de software te valideren in het JBZ en daarmee te verbeteren en naar de kliniek te brengen. De software wordt nu zo geprogrammeerd dat het ook inschat of de verdichting goed- of kwaadaardig is. Die inschatting kan gebruikt worden bij het nemen van een besluit om een biopt te nemen. Dit kan onnodige belasting voor de patiënt voorkomen. In een eerste test presteerde het deep learning systeem al beter dan radiologen.
Herkennen van minuscule polsbreuk (lijn 3)
Voor de derde stap, het ontwikkelen van volledig nieuwe software, is gekozen voor herkenning van de meest voorkomende en moeilijk te detecteren breuk van het polsgewricht, namelijk die van het scaphoid (het handwortelbeentje aan de duimzijde van de pols). Het missen van deze breuk kan voor patiënten grote klinische impact hebben. Het ontwikkelen van de software begint met training van de computer door het invoeren van duizenden foto’s zodat de computer het scaphoid en de botbreuk gaat herkennen. Voor deze lijn is een voltijds promovendus aan de slag in het JBZ die wordt begeleid door Matthieu Rutten (JBZ) en de hoogleraren Bram van Ginneken van DIAG en Eric Postma vanuit JADS.
Onderzoek naar klinische implementatie Artificial IntelligenceAI (lijn 4)
In de vierde lijn wordt door de drie organisaties samen onderzocht wat het antwoord is op de vraagstukken die je tegenkomt als je AI implementeert in de dagelijkse praktijk van het ziekenhuis. Vraagstukken die te maken hebben met de onder meer de technische infrastructuur, de inrichting van je organisatie, de kosten en de juridische implicaties. Dit wordt onder andere opgepakt door master studenten, een promovendus en een klinisch informaticus in opleiding.
Digitale transitie
Het AI-traject maakt onderdeel uit van de digitale transitie die het ziekenhuis heeft ingezet. Het idee is dan ook om het in de komende jaren een integraal onderdeel te laten worden van de dagelijkse ziekenhuispraktijk. Daarnaast wordt er vanuit JADS ingezet op om- en bijscholing van healthcare professionals door middel van post-initiele opleidingen zoals Data Science in Health. Zo wordt kennis over AI en data science niet alleen ontwikkeld maar ook via andere routes de healthcare sector ingebracht op weg naar de digitale transitie van de zorg.
Bron: JBZ
