18 december 2023

Amsterdam UMC wil medische beeldvorming toegankelijker maken met AI

De vraag naar het verkrijgen en interpreteren van medische beelden neemt sneller toe dan het aantal medische experts dat nodig is om de medische beeldvormingsapparatuur te bedienen en hun output te interpreteren. Dit leidt tot een toename van de werklast van experts en langere wachtlijsten.

Een consortium onder leiding van het Amsterdam UMC wil dit probleem aanpakken door beeldvormingstechnologie toegankelijker te maken. Met behulp van kunstmatige intelligentie willen zij minder gespecialiseerde experts in staat stellen medische beelden te verwerven en te analyseren. Om hen te steunen in dit doel heeft de Nederlandse Onderzoeksraad (NWO) het AI4AI-project een subsidie toegekend van 6,1 miljoen euro.

Medische beelden worden voornamelijk gemaakt in ziekenhuizen, met dure beeldvormende apparatuur zoals CT- of MRI-scanners. Specialisten moeten deze apparaten bedienen en de beelden analyseren. "Ons doel is om kunstmatige intelligentie te gebruiken om technologieën te ontwikkelen die het gebruik van betaalbare en/of draagbare apparaten zoals ultrasound en ultra-low-field MRI mogelijk maken," zegt Ivana Išgum, hoogleraar kunstmatige intelligentie en medische beeldvorming bij Amsterdam UMC. Išgum is de coördinator van het nationale consortium dat het AI4AI project uitvoert. "Ook is ons doel om het gebruik van beeldvormende apparaten door bijvoorbeeld huisartsen, sonografen en gespecialiseerde verpleegkundigen mogelijk te maken, zodat er minder zeer gespecialiseerde experts nodig zijn."

Minder druk op personeel

AI-technologie kan de behoefte aan hooggespecialiseerde experts voor de bediening van medische apparaten en de analyse van medische beelden verminderen, wat de druk op het personeel en de bijbehorende kosten sterk kan verlagen", zegt Išgum, die samen met professor Clarisa Sánchez de interfacultaire onderzoeksgroep qurAI leidt die zich richt op de verantwoorde ontwikkeling van AI in de gezondheidszorg.

Wachtlijsten verkorten

De toegenomen vraag naar medische beelden betekent dat de werkdruk voor radiologen en andere specialisten enorm toeneemt. Dit kan leiden tot burn-outverschijnselen, wat weer gevolgen heeft voor zowel de duurzaamheid van de zorg als de wachtlijsten. Dit betekent dat patiënten mogelijk verder moeten reizen om de benodigde zorg te krijgen. "Met dit project willen we een bijdrage leveren om medische beeldvorming dichter bij de leefomgeving van patiënten te brengen en toegankelijker te maken voor patiënten. Bovendien is ziekenhuiszorg in ontwikkelingslanden niet altijd voor iedereen toegankelijk. Ook kunnen er minder hoogopgeleide experts beschikbaar zijn. We hopen ook bij te dragen aan toegankelijkere gezondheidszorg voor mensen in deze landen," zegt Išgum.

Radioloog Nils Planken van het Amsterdam UMC voegt hieraan toe dat veel collega-radiologen en andere medisch specialisten de ondersteuning van technologie toejuichen. "AI-technologie die het maken, interpreteren en rapporteren van medisch beeldvormend onderzoek kan ondersteunen, heeft de potentie om wachtlijsten te verkorten en de werkdruk te verlagen en misschien ook de kwaliteit te verbeteren. Het juiste gebruik van diagnostiek buiten het ziekenhuis heeft de potentie om te voorkomen dat patiënten naar het ziekenhuis worden gestuurd, of om patiënten nog gerichter naar het ziekenhuis te sturen," zegt Planken.

Toepassingen

AI4AI richt zich op vele ziekten en specialismen, zoals analyse van beroertes en hersentumoren, visualisatie en interpretatie van orgaanweefselperfusie bij chirurgie, kwantificering van foetale biomarkers om afwijkingen in de zwangerschap te signaleren, identificatie van patiënten die een invasieve behandeling van de kransslagader nodig hebben, identificatie van patiënten met hartaandoeningen, verbetering van de workflow bij beeldgestuurde radiotherapie, verwijzingen voor spoedeisende zorg, screening en triage van bedreigende visuele aandoeningen, selectie van patiënten die in aanmerking komen voor immuuntherapie en verbetering van de beeldvormingsworkflow om orthopedische implantaten te beoordelen.

Dit artikel is gepubliceerd op de website van Amsterdam UMC.

© Amsterdam UMC