Big data en kunstmatige intelligentie

Radiologen gaan hun eigen algoritmes maken

© oksanazahray / stock.adobe.com

In de Verenigde Staten is een pilot met een AI-lab voor radiologen succesvol verlopen. Met deze toolkit kunnen radiologen nu hun eigen algoritmes bouwen die precies aansluiten bij de patiëntenpopulatie in hun eigen ziekenhuis.

Het American College of Radiology (ACR) publiceerde onlangs een toolkit die radiologen in staat stelt om hun eigen algoritmen te ontwikkelen.

De toolkit is het resultaat van een pilot aan de Ohio State University (OSU). Onderzoekers van de OSU ontwikkelden een verbeterd algoritme voor het opsporen van afwijkingen aan de bloedvaten. Dit algoritme borduurde voort op een algemeen algoritme dat was ontwikkeld door meerdere Amerikaanse ziekenhuizen. Dit werd door de OSU verfijnd op basis van specifieke patiëntgegevens.

Lokale omgeving

De belang van algoritmen wordt in de zorg al lang niet meer onderschat. Maar het probleem is dat je een goed algoritme alleen kunt ontwikkelen op basis van grote hoeveelheden data. Als je dit algemene algoritme vervolgens toepast in een lokale omgeving, kan het zijn dat dit leidt tot verkeerde conclusies.

Een voorbeeld is de herkenning van tuberculose. Wereldwijd krijgen elk jaar tien miljoen mensen deze infectieziekte. Een algoritme op basis van mondiale gegevens zal bij een bij vlek op de longen al snel wijzen op de mogelijkheid van tbc. In een westers land waar tbc nauwelijks voorkomt, is dat natuurlijk weinig zinvol.

Algoritmetraining AI-lab

Vergelijkbare verschillen, zij het minder groot, komen ook voor tussen de patiëntenpopulaties van ziekenhuizen in een en hetzelfde land. Een algoritme dat wordt verfijnd aan de hand  van de patiëntgegevens in het eigen ziekenhuis, zal medisch specialisten dus beter van dienst zijn bij het stellen van een diagnose.

‘Het verkrijgen van de nodige grote hoeveelheden patiëntgegevens voor algoritmetraining in individuele ziekenhuizen was tot nu toe een groot probleem,’ aldus Keith Dreyer. Hij is universitair hoofddocent radiologie aan de Harvard Medical School en een van de initiatiefnemers van AI-lab.

Geen data scientist

Daardoor verloopt de ontwikkeling van AI te traag, wat ten koste gaat van de mogelijke verbetering van de patiëntenzorg. ‘Door radiologen in staat te stellen lokaal zelf AI te ontwikkelen, krijgen we oplossingen die voor iedereen beschikbaar zijn.’

De software is bovendien gericht op radiologen zonder programmeerervaring, aldus Keith Dreyer. ‘Een gebruiker hoeft geen computerwetenschapper of data scientist te zijn om een bijdrage te leveren aan de ontwikkeling van gespecialiseerde algoritmen.’

Reacties