Een slimme arts. Wellicht dat die in de toekomst op de ziekenhuisvloer verschijnt. Smart care wordt namelijk steeds vaker ingezet voor diagnostiek. Waarom?
Smart care
AI is booming in de zorg. Met smart care – in de vorm van Machine Learning – worden tumoren en uitzaaiingen namelijk automatisch gedetecteerd en gemeten. Beter en sneller dan wanneer een menselijke arts dit doet. Logisch dus dat veel ziekenhuizen deze technologie toepassen. AI-toepassingen in de zorg kunnen inmiddels het werk van pathologen evenaren en soms zelfs overtreffen: “AI moet niet alleen nabootsen wat menselijke experts kunnen doen, maar prestaties proberen te leveren die veel verder gaan”, aldus Litjens, verbonden aan de afdeling Pathologie van het Radboudumc tegen ICT&health. “In het tijdperk van gepersonaliseerde geneeskunde moeten we gebruikmaken van computationele technologieën zoals Machine Learning om de door pathologen ontworpen beoordelingssystemen te verbeteren. Als dit lukt, kunnen we bijvoorbeeld nieuwe biomarkers ontdekken die grote gevolgen zullen hebben voor de klinische oncologie en het kankeronderzoek. Om deze grote nieuwe stap te kunnen zetten is een nieuwe methodologische aanpak essentieel.”
Nieuwe aanpak
Die nieuwe aanpak is een nieuw algoritme, genaamd SSGD (stochastic streaming gradient descent). Deze maakt volledige integratie mogelijk van lokale details en globale context van beelden in één Machine Learning-model. Hiermee willen onderzoekers algoritmes mogelijk maken die inzichtelijk en verklaarbaar zijn. Er is namelijk ook kritiek over smart care: sommige mensen vinden dat algoritmes momenteel fungeren als een soort black box. Ze geven geen inzicht in de onderliggende afwegingen waarop ze zijn gebaseerd. In de nieuwe aanpak wordt de prognose van de patiënt direct voorspeld op basis van digitale microscoopbeelden. Zonder tussenkomst van graderingssystemen die mensen opstellen.
AI zou hierdoor nieuwe biomarkers kunnen ontdekken, die mensen niet kunnen kwantificeren. En dus de diagnostiek voor patiënten fors verbeteren. “De techniek moet het ook mogelijk maken om niet alleen naar kankerspecifieke biomarkers te kijken, zoals voor prostaat- of borstkanker, maar naar kanker in het algemeen. Op deze manier willen we met dit AIS-CaP project zowel de computationele pathologie, machine learning, het oncologisch onderzoek als de klinische zorg een essentiële stap verder brengen”, aldus Litjens.
