Artificial intelligence (AI) wordt al ingezet bij de opsporing van sommige kankers. Mogelijk biedt kunstmatige intelligentie ook kansen voor de verslaglegging binnen de radiologie en wordt daarmee de kans op fouten verkleint.
Mathias Prokop
Afdelingshoofd radiologie Mathias Prokop van het Radboud UMC en voorzitter van de Nederlandse Vereniging voor Radiologie (NVvR)
De druk op de afdelingen radiologie in Nederlandse ziekenhuizen neemt toe. Niet alleen vanwege de grote verantwoordelijkheid die er rust ten aanzien van besluitvorming in behandeltypen. Maar ook het aantal oncologieonderzoeken stijgt, signaleert afdelingshoofd radiologie Mathias Prokop van het Radboud UMC. Als voorzitter van de Nederlandse Vereniging voor Radiologie (NVvR), de beroepsvereniging van radiologen, ziet hij dat de maximale capaciteit aan werk die radiologen kunnen behappen nagenoeg is bereikt. “Extra ondersteuning wordt noodzakelijk. Dat kan in de vorm van meer menskracht, maar ook door de inzet van technologie.”
Kunstmatige intelligentie helpt ziekten op te sporen
Toepassingen radiologie
Een technologie zoals artificial intelligence -waarbij software en apparaten zelfstandig leren en werken- wordt al gebruikt in de radiologie. Kunstmatige intelligentie helpt ziekten op te sporen. Zo kunnen kleine afwijkingen op de longen, die op scans lastig waarneembaar zijn, met AI wel worden gedetecteerd. Hetzelfde geldt voor het beoordelen van de mammografie, de röntgenfoto van de borst. “Kunstmatige intelligentie is in staat menselijk handelen na te bootsen en zelfs te verbeteren. Zo vinden we met beeldvormende technieken meer dan voorheen. Artsen kunnen op basis van de uitkomsten betere beslissingen nemen.”
Kunstmatige intelligentie is in staat menselijk handelen na te bootsen en zelfs te verbeteren
Structured reporting
De vraag is volgens Prokop nu hoe AI ook de verslaglegging binnen de radiologie kan verbeteren. De normale gang van zaken is zo dat de radioloog een verslag opstelt over datgene wat hij aantreft op een scan, echo of röntgenfoto, eventueel aangevuld met een advies. “Dat is vaak een hele lap tekst. Datagebruik en AI-software kunnen eraan bijdragen dat radiologieverslagen veel completer en overzichtelijker worden. Met dit zogeheten structured reporting wordt alle relevante informatie over de patiënt in een duidelijk overzicht getoond. Informatie over de aanwezigheid en locatie van een tumor wordt inzichtelijk gemaakt. Daarnaast geeft het verslag inzicht in de kenmerken van de tumor die weer bepalen hoe operabel deze is, welke type behandeling vermoedelijk de meeste kans van slagen heeft én of er uitzaaiing zijn naar de lymfeklieren. Een structured report bevat alle relevante informatie en maakt specialisten hier dus ook alert op. In de huidige manier van werken is het nog zo dat wat de radioloog niet opmerkt, ook niet in het verslag verschijnt. Met mogelijk nadelige gevolgen.”
Toekomst met AI
Prokop meent dat er met de inzet van artificial intelligence, waaronder structured reporting, minder fouten kunnen worden gemaakt. De zorg kan hierdoor worden verbeterd. De radioloog en chirurg hebben vlugger meer informatie inzichtelijk en tot hun beschikking. Hierdoor kunnen er sneller beslissingen worden gemaakt. De patiënt zou hierdoor eerder de juiste therapie kunnen krijgen. Zo ver is het nu (nog) niet. Er zijn hobbels op de weg naar een brede toepassing van structured reporting. “Een systeem dat is gebaseerd op AI vereist training. Daarvoor is een enorme database met (beeld)data van patiënten nodig. Daarom is er nu een beroep op hen vereist om deze te delen. Wanneer de door AI ondersteunde structured reports er komen is nog onduidelijk. Wel staat vast dat de radiologie in de toekomst nog veel verder automatiseert.”
Datagebruik en AI-software kunnen eraan bijdragen dat radiologieverslagen veel completer en overzichtelijker worden
