“AI is een natuurlijke partner van het PACS”

“PACS en AI zijn natuurlijke partners. Om als zorginstelling met data aan de slag te gaan, moet je het goed ‘onderhouden’. Dus zorgen dat data beschikbaar en goed vastgelegd is. Dat kan heel goed in een PACS. Ik heb genoeg projecten zien mislopen op het ontsluiten van data. Of op het normaliseren of bijwerken ervan. Dat gebeurt als datavelden niet of niet goed zijn ingevuld. Bij beelden heb je soms te maken met vergeten annotaties.”

Ontzorgen met AI

“Ook de innovaties en ontwikkelingen bij leveranciers zorgen voor synergie tussen PACS en AI. AI wordt steeds vaker als functionaliteit aangeboden binnen een systeem. Zo biedt Siemens de mogelijkheid beelden naar de cloud te uploaden, waarbij zij de annotaties doen, ter beoordeling, bevestiging en mogelijke opname in het eindrapport of het zorgtraject. Zo nemen ze een deel van het werk van een radioloog en patholoog uit handen. Ook GE Healthcare heeft een AI-functionaliteit aangekondigd. Agfa, Sectra, en Philips zijn hier eveneens mee bezig, of het is al op hun modaliteit aanwezig. Traditionele PACS-leveranciers zijn er dus ook mee aan de slag gegaan.”

“AI wordt steeds vaker als functionaliteit aangeboden binnen een PACS-systeem.”

“Dit congres toont aan dat we niet meer in het beginstadium zitten. Iedereen heeft weleens gehoord van AI in de medische beeldvorming of de cardiologie. Tijdens het congres merk je dat het echt is. Dat AI in de praktijk wordt ingezet en dat we in Nederland over veel krachtige startups beschikken die werken aan indrukwekkende en nuttige AI-applicaties. Bezoekers kunnen er niet meer omheen. En zorgprofessionals die het nog terzijde willen schuiven, zullen voelen dat ze worden ingehaald door artsen die er wel mee werken. Denk aan de radioloog die duizenden beelden moet processen met zijn hersenen en daarbij annotaties maakt. Een heleboel ‘gemakkelijke gevallen’ kunnen door een getraind AI-systeem worden afgevangen. We vervangen de radioloog niet, maar maken tijd vrij voor de meer complexe zaken. AI is een instrument om efficiënter en gerichter te werken.”

Krachtige AI-startups

Voorbeelden uit de praktijk

“Concrete voorbeelden zijn er genoeg. Denk aan Quantib in Rotterdam. Ze bekijken hersenscans en proberen daarmee Parkinson of andere neurologische aandoeningen te diagnosticeren. En Paul Elbers van de VU heeft een predictie algoritme ontwikkeld voor sepsis. Door op het juiste moment de juiste medicijnen toe te dienen kun je bloedvergiftiging voor zijn. Zoals al opgemerkt, het zijn niet alleen de kleinere bedrijven die ermee bezig zijn, de grote modaliteiten en PACS leveranciers ook. Beelden die je uploadt naar de cloud, krijg je terug met contouren die normaal gesproken de radioloog zou annoteren. Dat is een heel interessante ontwikkeling. Het begint echt tot wasdom te komen. Over tien jaar weten we niet beter.”

“Ik zou graag zien dat artsen AI voor lief nemen, zoals ze ook een MRI of labtest voor lief nemen.”

Vertrouwen begint in de schoolbanken

“Ik zou graag zien dat artsen AI voor lief nemen, zoals ze ook een MRI of labtest voor lief nemen. Dat vertrouwen kweken begint volgens mij al in de collegebanken. Ik vind dat deze ontwikkeling onderdeel moet zijn van het curriculum, zoals ook e-health op steeds meer universiteiten een vast onderdeel is. De jongere generatie staat er zeker voor open. Maar onderschat ook de ouderen niet. AI vertrouwen en gebruiken betekent ook niet dat iedere arts een ‘data scientist’ moet worden. Als ze maar weten dat ze naast een MRI-scanner en een stethoscoop met AI een gecertificeerde tool in handen hebben die hun werk makkelijker en beter kan maken.”

Niet focussen op de missers

“Natuurlijk heb je wetenschappelijk onderzoek en goede praktijkvoorbeelden nodig om dat vertrouwen te wekken. AI zal een vlucht nemen zodra artsen zien dat het even goed, of nog beter is dan de gouden klinische standaard. We zien het ook bij augmented reality. Nu artsen ervaren dat ze longoperaties via een VR-bril beter kunnen uitvoeren, raken ze overtuigd en gaan ze op zoek naar andere toepassingen. Dit soort ontwikkelingen versterkt elkaar. Scepsis rond AI wordt gevoed door de Hollywood-films en de media die focussen op de missers. Natuurlijk crashen er AI-auto’s en mag je niet zomaar blindvaren op algoritmes. Maar laten we wel wezen, er zijn ook patiënten overleden toen we de kunstnier ontwikkelden. Maar die heeft er wel toe geleid dat we steeds betere kunstnieren konden maken.”

"Samenwerken en het uitwisselen van datasets tussen zorgverleners is de stip aan de horizon."

Positief kritisch

“Veel mensen zien AI als iets van de toekomst. Maar de toekomst is al begonnen. Als je te hard rijdt heb je de volgende dag een boete in de bus. Dat is beeldherkenning. Dat geldt ook voor het systeem waar je je paspoort insteekt op Schiphol. Ook Spotify en Netflix adviseren ons dagelijks via recommender systemen, gebaseerd op AI. Amazon en Microsoft gebruiken de technologie ook voor toepassingen met stemherkenning. Zo zijn er tal van voorbeelden waar AI achter zit zonder dat je het weet. Toch zullen vooral de voorbeelden uit de dagelijkse praktijk artsen overtuigen. Maar daarbij moeten we ook kritisch blijven. AI lost echt niet alles op. En een AI-oplossing uit een ander vakgebied zal ook niet meteen ergens anders in de zorg goed werken. Alles staat of valt met een goede dataset.”

Data van betere kwaliteit

“Samenwerken en het uitwisselen van datasets tussen zorgverleners is wat AI en PACS betreft de stip aan de horizon. Een PACS is onderdeel van een VNA, een Vendor Neutral Archive. In principe zou het dus leveranciersneutraal moeten werken, zodat je ook met geïmporteerde data aan de slag kunt. Of dat in de praktijk ook gebeurt is de vraag. Samenwerken is nog niet zo eenvoudig. Want die andere zorgverlener heeft waarschijnlijk een andere modaliteit met een andere ijking en een andere manier van data vastleggen. Daarnaast heb je te maken met annotaties door artsen die anders denken over de interpretatie van beelden. Maar in principe zou je, als je alles goed organiseert, Vendor Neutral AI kunnen hebben. Dat is wel de toekomst. Je krijgt data van een betere kwaliteit als je het gestandaardiseerd vastlegt en uitwisselt. En hoe beter de data, hoe beter je AI-toepassingen kunt trainen.”