Katrien Grünberg overziet ‘the big picture’

“Het publiek empoweren hun data in te zetten voor de wetenschap”

Het BIGPICTURE project is van start. Om de ontwikkelingen van artificiële intelligentie (AI) in de pathologie te versnellen, ontwikkelt een Europees consortium een database waarin ze pathologie-data kunnen delen. Dit consortium bestaat uit toonaangevende Europese onderzoekscentra, ziekenhuizen en farmaceutische bedrijven. Het project luidt een nieuw tijdperk in voor de pathologie. Ook voor het grote publiek is een belangrijke rol weggelegd om de wetenschap hierin te helpen, stelt mede-coördinator en patholoog prof. dr. Katrien Grünberg van het Radboudumc.

Wat maakt dit project zo bijzonder? “We zetten breder in dan andere projecten. De bedoeling was om 3 miljoen slides bij elkaar te halen. Daar heb je een grote club voor nodig. Dat geldt ook voor de benodigde hard- en softwarefunctionaliteiten. En de privacybescherming, niet te vergeten. Voor zoveel verschillende perspectieven heb je veel know how aan boord nodig. Daarnaast is het natuurlijk ook gewoon een competitie. De beoordelingscommissie moet zeggen: deze club hebben we nodig. Daar heb je een bepaalde omvang en uitstraling voor nodig.”

"Eind 2017 verscheen een paper waaruit bleek dat als je ‘deep learning’ toepast, je daadwerkelijk het kennisniveau van de patholoog kunt bereiken. daarna kwam er vaart in wetenschappelijk onderzoek."

Vertel eens iets over de naam BIG PICTURE “Veel mensen vragen zich af waarom pathologen nu pas met digitalisering bezig zijn. De radiologie lijkt al veel verder op dit gebied. Dat heeft een reden. De beelden die wij maken van de coupes zijn minimaal 200-400 maal vergroot. Dan zit je qua bestandsformaat meteen in de gigabites. Maak je zoals wij honderdduizenden beelden per jaar, dan is dat enorm kostbaar. Pathologen maken dus ‘big pictures’. Maar we zijn natuurlijk ook op zoek naar het grote geheel. Dus ook op die manier is de naam van het project heel passend.”

Waardoor is digitalisering in de pathologie nu wel mogelijk? “We zitten in een ander tijdperk dan vijf tot tien jaar terug. Zo’n vijf jaar geleden zijn voorlopers bewijs gaan verzamelen dat digitalisering past in onze workflow. We moesten aantonen dat het beter werkt als je beelden digitaliseert. Ook is de opslagcapaciteit is een paar jaar tijd enorm vergroot. Daarbij verscheen eind 2017 een Nijmeegse paper waaruit bleek dat als je ‘deep learning’ toepast, je daadwerkelijk het kennisniveau van de patholoog kunt bereiken. Een belangrijk keerpunt. Toen kwam er vaart in wetenschappelijk onderzoek. En dan ga je ook merken wat de randvoorwaarden en beperkende factoren van digitalisering zijn.”

"Tijdens iedere vergadering ben ik opnieuw onder de indruk van de kwaliteiten die we aan boord hebben."

Kun je zo’n beperkende factor noemen? “Ja, de beschikbaarheid van data. Goede wetenschappers weten hun netwerken wel te vinden. Maar voor grote stappen heb je veel data nodig. Data kopen is voor de academie niet weggelegd.”

De big techs hebben dat geld wel, moet je dan de samenwerking zoeken? “Je hebt een bepaalde professionaliteit nodig, ja. Maar er spelen meer factoren een rol. Vertrouwen bijvoorbeeld. Ook in de bescherming van privacy. Daar staan de grote techs niet per se bekend om. We zijn in zee gegaan met CSC. Deze Finse overheidsorganisatie leeft van dit soort grote research projecten en wekte ons vertrouwen wel.”

Over Europese projecten in de zorg hoor je nooit zoveel. Hoe komt dat? “Bij de opzet kwamen we erachter hoe complex dit is. Maar het was ook een ervaring om te zien hoeveel know how er voor al die verschillende onderdelen in Europa aanwezig is. Tijdens iedere vergadering ben ik opnieuw onder de indruk van de kwaliteiten die we aan boord hebben. Europa doet het waanzinnig goed als je kijkt naar de bestede euro’s voor onderzoek en wat het oplevert.”

Waarom zouden partijen hun data beschikbaar stellen? “We hebben een model ontwikkeld waarbij partijen iets inbrengen: data of annotaties, of een bepaald algoritme, om er iets uit terug te winnen. Heb jij een wetenschappelijk project en ben je op zoek naar een bepaalde dataset? Dan mag je meedoen en starten we samen een project. Maar de gebruikte en verrijkte data blijft daarna binnen ‘Big Picture’ beschikbaar voor een volgend project. Zo kun je voortdurend waarde toevoegen aan data. Op die manier zal de kwaliteit en kwantiteit op langere termijn ook niet inzakken. Dat is het model waar we naartoe willen.”

"Ik verbaas me hoe vaak de discussie over commercie in de zorg gevoerd wordt. Terwijl we allemaal met onze bonuskaart naar de AH gaan en op Facebook en Insta zitten."

Zit er een verdienmodel achter? “Als je niet subsidieafhankelijk wilt zijn, zullen er uiteindelijk euro's betaald moeten worden. Want dataopslag kost gewoon geld. Toch verbaas ik me hoe vaak de discussie over commercie in de zorg gevoerd wordt. Terwijl we vervolgens allemaal met onze bonuskaart naar de AH gaan en op Facebook en Insta zitten. Waar we gratis gebruik van maken in ruil voor onze data. De afgelopen jaren hebben we zwaar accent gelegd op de privacybescherming van mensen. Dat is terecht en belangrijk. We staan nu voor de volgende stap en willen het publiek eigenaarschap geven over hun data. We moeten ze empoweren, in hun kracht te zetten, om een bijdrage te leveren aan de wetenschap.”

Dat vergt een mentaliteitsverandering, een flinke uitdaging… “Zeker. Maar als arts en onderzoeker ben ik altijd wel onder de indruk geweest van de bereidheid van mensen om mee te werken aan wetenschappelijk onderzoek. Als ze maar weten waar het voor is. Het is belangrijk dat ze weten dat die data in de archieven van ziekenhuizen van hen is en waarde vertegenwoordigt. En dat ze die waarde kunnen inbrengen voor de wetenschap. Ik denk dat mensen dat snappen en steunen, maar dat we er veel actiever over moeten communiceren. We kunnen van start, maar het betrekken van het grote publiek is wel een taak die er nog ligt. Een heel interessante.”

BIG PICTURE en MedicalPHIT Het BigPicture project gaat van start. En MedicalPHIT is trots hieraan bij te kunnen dragen. In dit onderzoeksproject werkt een grote groep onderzoeksinstellingen, ziekenhuizen, de farmaceutische industrie en andere bedrijven samen. We creëren en faciliteren een enorm grote database met gedigitaliseerde pathologie data. Zo zetten we de volgende stap naar digitale pathologie en kunnen we AI toepassingen verder ontwikkelen. Dat levert een betere en effectievere diagnostiek op. Het BigPicture project is een enorme boost voor het vakgebied van de computational pathology. MedicalPHIT draagt bij aan het standaardiseren van de gegevensuitwisseling voor de opslag van beelden. Dat doen we onder andere met de inzet van InteropLAB en het aansluiten van pathologie afdelingen op de database.