Door Hendrik Erenstein, Docent Onderzoeker – Radiologie Academie voor Gezondheidsstudies te Groningen.

Dit stuk beoogt de rol van artificiële intelligentie (AI) in de radiologie te verhelderen en streeft ernaar dit te vertalen naar andere zorgprofessionals binnen en buiten dit vakgebied. 

Stoppen met het opleiden van radiologen: ja en nee 

“People should stop training radiologists now.”, met deze beruchte woorden leek Geoff Hinton de radiologie in 2016 wakker te schudden. Voor radiologie- ‘outsiders’ was het duidelijk, een reeks ontwikkelingen op het gebied van AI en beeldherkenning zouden op korte termijn voor een revolutie in de radiologie zorgen. Voor radiologie- ‘insiders’ was de uitspraak van Geoff Hinton echter onbegrijpelijk: een radioloog doet immers meer dan alleen naar ‘plaatjes kijken. 

AI bestaat al vele jaren binnen de radiologie 

Inmiddels zijn we bijna acht jaar verder en AI binnen de radiologie beperkt zich nog veel tot het beelddomein, een domein dat verder rijkt dan de radioloog. Bij het verkrijgen van de beelden wordt de medisch beeldvormings- en bestralingsdeskundige (MBB’er) ook in toenemende mate ondersteund door AI. Neem bijvoorbeeld de automatische apparatuur positionering, een techniek die al meer dan 20 jaar beschikbaar is. In eerste instantie waren dit vaste punten in de kamer, maar door 3D camera’s te combineren met AI is het proces dynamischer geworden. Dezelfde techniek wordt toegepast voor het automatisch positioneren van patiënten voor computertomografie (CT-) scans. En hoewel deze technieken niet feilloos zijn dragen ze bij aan een optimalisatie van de workflow. 

Het analyseren van beelden gebeurt al met steun van AI 

Voor de verkregen beelden zijn ook talloze AI-toepassingen ontwikkeld, bijvoorbeeld aan het analyseren van de beeldkwaliteit of ondersteuning bij het intekenen van beelden. Hoewel hier enige overlap tussen de werkzaamheden van de radioloog en de MBB’er is heeft AI hier een belangrijke rol. Bijvoorbeeld aan het vaststellen van de spiermassa, iets wat aan de hand van een CT-scan gedaan kan worden. Het intekenen, segmenteren, van de spieren op een CT-scan kan waardevolle patiëntinformatie opleveren. Dit arbeidsintensieve proces lijkt te worden ontsloten waardoor verdere personalisatie van de zorg mogelijk wordt gemaakt. 

CT-scans vinden al vijftien jaar plaats met automatische technieken. UMC Groningen loopt voorop 

Waar het vaststellen van spiermassa een meerwaarde kan hebben is het segmenteren van CT-scans voor radiotherapie bestralingen echter al jaren noodzakelijk. Vanwege de hoge dosis straling wordt niet alleen de tumor, maar ook het gezonde weefsel getroffen. Op dit gebied werken MBB’ers dan ook al meer dan 15 jaar met (semi-) automatische technieken die dit proces, het plannen, versnellen. Recent heeft het UMCG echter een automatische planning voor hoofd-hals patiënten die protonen therapie ondergaan ingevoerd. Een implementatie die de benodigde tijd voor het opstellen van een bestralingsplan van 2 dagen terugbrengt naar 2,5 uur! 

Vervangen van radiologen is niet aan de orde 

De woorden van Hinton lijken deels uit te komen, we zien een toename van AI binnen de radiologie. Het vervangen van de radioloog of de MBB’er is echter nog steeds niet aan de orde! Tegelijkertijd hebben ‘large language models’ (LLM’s), zoals ChatGPT, hun potentie binnen de medische wereld aangetoond. Het zal duidelijk zijn, ook AI doet inmiddels meer dan alleen naar plaatjes kijken. Maar het communiceren erover met patiënten en collega-behandelaars gebeurt nog steeds door radiologen zelf.  

Gaat Chat GPT ook werken voor de communicatie van radiologen? Tja. 

Het communicatieve domein is ook niet nieuw voor AI; producten als Siri, Alexa en Google Assistant maken immers een onderdeel uit van menig huishouden. Onderzoek naar klinische implementaties van ‘sociale techniek’ is ook al langer gaande. Hier maakt AI een belangrijk onderdeel van uit. De menselijk lijkende interactie van modellen zoals ChatGPT zorgen echter voor een toegenomen interesse omtrent AI in het communicatieve domein. 

Soms is Chat GPT desastreus 

De implementatie van AI voor communicatie is in sommige gevallen echter niet succesvol, soms zelfs desastreus. Zo is er het AI-model ingevoerd om steun te geven aan mensen met eetstoornis, welke in sommige gevallen advies gaf hoe aanhoudend gewichtsverlies te combineren is met herstel. Een situatie die natuurlijk ongewenst is, laat staan bij een groep zoekende naar emotionele steun. 

En soms is GPT juist meer empathisch 

Ondanks onvoorziene incidenten zien we de implementatie van AI op het gebied van communicatie ook in het medische domein steeds vaker voorbijkomen. Zo heeft het UMC Groningen AI geïmplementeerd waarbij schriftelijke vragen van patiënten beantwoord worden. Dit proces bespaart te betrokken zorgprofessional tijd en onderzoek lijkt aan te tonen dat de resulterende reacties meer empathisch en hogere kwaliteit kunnen zijn. 

Waar de implementatie van AI over enkele jaren zal staan binnen de radiologie is moeilijk te voorspellen. Er worden grote sprongen gemaakt maar klinische implementatie heeft uitdagingen. De implementatie zal ook door de aanstaande EU-wetgeving gericht op AI, de EU AI Act o.a. gericht op veilige implementatie, niet vereenvoudigen. Toch moeten we de potentie van AI in de zorg niet negeren: de invoering van automatische radiotherapie planning en het genereren van antwoorden zijn slechts enkele voorbeelden die dit aantonen. De collectieve gedachte over mobiele telefoons, internet of laat staan mobiel internet werd eerst ook omschreven als ‘onnodig’ maar zijn een essentieel onderdeel van de maatschappij geworden. 

Over de auteur 

Hendrik Erenstein (1984) werkt als Docent – Onderzoeker aan de Medisch Beeldvormende en Radiotherapeutische Technieken van de Hanzehogeschool Groningen. Sinds september 2022 werkt hij aan een promotieonderzoek bij het UMC Groningen waarin hij zijn klinische ervaring als MBB’er, stralingsdeskundigheid, expertise en passie voor AI combineert. 

Zoektermen op internet: 

Hendrik Erenstein, AI, Chat GPT, radiologie, CT-scans, medisch beeldvormings- en bestralingsdeskundige, radiotherapie, digitalisering, ziekenhuizen