Blog

Nieuws en kennisartikelen over interoperabiliteit in Health, Business en Government

Alle artikelen

De slimmere collega van de radioloog- AI toepassingen onder de loep

AI toepassingen radiologieVeel mensen zijn bang dat computers slimmer worden dan wij. Dat “worden” kunnen ze weglaten, want computers zíjn vaak al slimmer. Zo publiceerde Smarthealth onlangs een artikel over het kunstmatig intelligente algoritme van Google dat radiologen verslaat in het herkennen van longkanker in CT-scans. Dit is goed nieuws voor longpatiënten, maar het roept ook vragen op. Want hoe kan het dat een algoritme scherper is dan het beoordelingsvermogen en de jarenlange ervaring van specialisten? Hoe moeten specialisten omgaan met de “opmars van de robots” en wat betekent dit voor patiënten en de kwaliteit van de zorg? In dit blog bespreken we deze vragen aan de hand van een voorbeeld op de afdeling radiologie.

Intussen- op de afdeling radiologie

Een afwijking of knobbel in de longen kan kwaadaardig zijn en daarmee een voorstadium van longkanker. Hoe langer je wacht, hoe kleiner de kans op genezing. Dit maakt CT-scans (en de interpretatie ervan) zo belangrijk. Radiologen zijn opgeleid om afwijkingen (ook wel nodules geheten) te herkennen, zodat zij verder onderzoek kunnen doen en bij slecht nieuws kunnen ingrijpen. “Dat kunnen wij ook”, moet grootmacht Google gedacht hebben. En ze kregen gelijk. Onderzoekers bij Google creëerden een deep learning model dat 11% minder vals positieven en 5% minder vals negatieve uitkomsten leverde in vergelijking tot hun menselijke tegenspeler, de radioloog. Hiermee bewijst Google dat hun algoritme beter is in het detecteren van nodules dan specialisten- een enorme medische doorbraak.

Oneerlijke strijd

Hoe kan het dat een algoritme slimmer is dan een arts? Voordat we deze vraag beantwoorden, moeten we eerst een kanttekening plaatsen. De strijd tussen arts en algoritme is namelijk niet helemaal eerlijk. In het geval van de longscans kreeg het algoritme 42.000 scans van verschillende patiënten te zien. Een mens is hier te veel tijd aan kwijt en moet het met minder vergelijkingsmateriaal en verwerkingscapaciteit doen. Daarnaast heeft een algoritme maar één taak in zijn leven terwijl artsen over het algemeen drukbezette mensen zijn. Bovendien scoorden het algoritme en artsen gelijk toen zij eerdere CT-scans van patiënten te zien kregen en die vergeleken met huidige scans. Dit vertelt ons dat algoritmes niet zozeer veel slimmer zijn dan artsen, maar vooral efficiënter en beter met data. Ook zijn ze minder foutgevoelig omdat iedere menselijke tussenkomst ontbreekt. Wat algoritmes dus vooral zo waardevol maakt, is dat ze veel en snel data kunnen verwerken zonder last te hebben van alles wat menselijk is (vermoeidheid, stress, interpretatie).

AI als nieuwe collega- niet als vervanger

Eerlijk of oneerlijk; bovenstaande conclusie leidt ons naar de volgende gewetensvraag: wat doen radiologen nog op de röntgenafdeling? Waarom nemen algoritmes het werk niet gewoon over? Het antwoord zit ‘m in opvolging en zorg. Een algoritme kan niet geruststellen, uitleggen, doorvragen, klachten signaleren of advies op maat bieden. Het zijn dit soort taken waar een goede arts in uitblinkt, omdat hij hierbij zijn medische kennis moet inzetten om menselijke, persoonlijke zorg te verlenen. Momenteel verdwijnt veel van de radioloog z’n tijd in het -jawel- detecteren van nodules en komt de belangrijke zorgtaak op de tweede plaats. Daarnaast kampen veel ziekenhuisafdelingen met een personeelstekort, wat betekent dat een slimme, nieuwe collega in de vorm van een algoritme een welkome toevoeging is. Niet om de arts van z’n troon te stoten, maar om tijd vrij te maken voor het belangrijkste onderdeel van zorg: persoonlijk contact met patiënten.

AI toepassingen op de zorgwerkvloer

De waarde van kunstmatige intelligentie beperkt zich natuurlijk niet tot de afdeling radiologie. Overal in het ziekenhuis kunnen deep learning modellen bijdragen aan betere en persoonlijkere zorg en bieden ze een uitkomst voor het chronische tekort aan specialisten. Hoe zit dat in jullie ziekenhuis of zorginstelling? Laat het weten in een reactie!

Wil je meer weten over het technische verhaal achter AI en de koppeling tussen AI applicaties en het grotere zorgsysteem? Download dan onderstaande white paper.

Het Ultieme Data Platform voor IoT toepassingen

Onderwerp(en): Zorg, artificial intelligence

 


Laat een opmerking achter

Misschien vind je deze artikelen ook interessant:

 

Samenwerken in de logistieke keten: wanneer heeft het zin? [2/3]

In het eerste blog van deze serie van drie las je dat veel logistieke bedrijven wel wíllen samenwerken, m...
Redactie van InterSystems 26/11/19 08:00

Wat is belangrijker: oude IT opruimen of nieuwe aansluiten?

We kunnen blogs volschrijven over de mogelijkheden van het digitale tijdperk. Maar voor veel bedrijven zi...
Redactie van InterSystems 19/11/19 08:00

Samenwerken in de logistieke keten: waarom zou je? [1/3]

Zou jij samenwerken met je concurrent? Uit een enquête eerder dit jaar blijkt dat slechts drie procent va...
Redactie van InterSystems 12/11/19 08:00