{"id":261137,"date":"2020-12-06T07:45:00","date_gmt":"2020-12-06T06:45:00","guid":{"rendered":"http:\/\/innovationorigins.com\/?p=261137"},"modified":"2020-12-06T07:45:00","modified_gmt":"2020-12-06T06:45:00","slug":"een-neuraal-netwerk-leest-geen-geneeskunde-boeken","status":"publish","type":"post","link":"https:\/\/ioplus.nl\/archive\/nl\/een-neuraal-netwerk-leest-geen-geneeskunde-boeken\/","title":{"rendered":"‘Een neuraal netwerk kan geneeskundeboek niet ‘vertalen’ naar pati\u00ebnt’"},"content":{"rendered":"\n

Om ons heen zien we toepassingen van kunstmatige intelligentie (AI) steeds gewoner worden. Aanbevelingen voor Spotify en Netflix, virtuele assistenten die van alles voor je regelen of horloges die je wakker maken wanneer je helemaal bent uitgerust. Ook in de zorg neemt het gebruik van AI de laatste jaren toe. Afgelopen week schreven we nog over een algoritme dat Covid-19 kan herkennen op basis van longscans<\/a>.<\/p>\n\n\n\n

Maar toch gebruikt maar 16 procent van de Europese zorginstellingen een vorm van AI<\/a>. IO gaat daarom in gesprek met drie AI-experts in de zorg om erachter te komen waarom de zorg achterblijft op andere sectoren en wat is er nodig om dit te veranderen? <\/p>\n\n\n\n

Esmee Stoop<\/strong> is data-scientist bij Leids Universitair Medisch Centrum (LUMC) waar ze AI -modellen maakt en implementeert en als techneut artsen en verpleegkundigen AI-kennis bijbrengt. Marieke van Buchem<\/strong> is promovenda bij het LUMC en onderzoekt verschillende AI-toepassingen, Beiden zijn verbonden aan het CAIRELab<\/a>, waar ze met een team AI- en klinische kennis bundelen. Ook spreken we met Cristina Gonz\u00e1lez-Gonzalo<\/strong>. Zij is bezig met haar laatste jaar promotie-onderzoek bij A-eye Research<\/a> en het Radboudumc<\/a>. Ze ontwikkelde onder andere een algoritme dat artsen laat zien hoe een AI-systeem tot een diagnose komt.<\/p>\n\n\n\n

Algoritmes gaan dokters niet vervangen<\/h3>\n\n\n\n

Allereerst: algoritmes gaan het werk van artsen niet overnemen. Daar zijn alle drie de wetenschappers het over eens. Gonz\u00e1lez-Gonzalo moet lachen: \u201cDat is vaak een angst van artsen, maar dat zie ik niet snel gebeuren. Bovendien wil niemand van een robot horen dat hij kanker heeft. De relatie tussen pati\u00ebnt en arts blijft belangrijk. AI gaat het werk van artsen wel makkelijker maken. Zo krijgen ze meer tijd voor complexe gevallen.\u201d<\/p>\n\n\n\n

Ook Van Buchem sluit zich hierbij aan: \u201cAI is goed in het beantwoorden van heel afgebakende vragen, maar kijkt niet naar het hele plaatje. Een arts wel. AI kan hier goed in ondersteunen, maar het is geen magie. Ja, het zijn complexe sommetjes die patronen herkennen die wij niet zien. Je kunt de de informatie uit een geneeskundeboek in een neuraal netwerk stoppen, maar ze missen de nuance om dit naar individuele pati\u00ebnten te ‘vertalen’. Die menselijke interpretatie blijft onmisbaar.\u201d<\/p>\n\n\n\n

Stoop geeft meteen een voorbeeld hoe die ondersteuning voor jonge artsen er uit ziet: \u201cBeginnende radiologen die twijfelen over een diagnose kunnen scans door een database halen. Vervolgens krijgen ze vergelijkbare afbeeldingen te zien om te toetsen aan de scan waarover ze twijfelen. Hier leren ze van zonder dat expertise bij hen wordt weggehaald. Het algoritme is een buddy en geen supervisor die alles overneemt.\u201d<\/p>\n\n\n\n

AI kan repetitieve taken overnemen<\/h3>\n\n\n\n

Door AI in verschillende gebieden van de zorg te gebruiken, kan er in Europa zo\u2019n 1.8 miljard uur per jaar worden bespaard. Dat zijn zo\u2019n 500 duizend fulltime banen<\/a>. Een enorme hoeveelheid voor een sector die structureel met een tekort kampt. Volgens van Buchem zijn zorgmedewerkers veel tijd bezig met administratieve zaken. \u201cHet schrijven van een pati\u00ebntverslag is iets dat steeds terugkomt. Dat zijn taken waar AI ondersteuning zou kunnen bieden. We ontwikkelen nu een model dat een soort voorzet geeft voor een verslag. Hiervoor nemen we gesprekken op en trainen het model met spraakherkenning. Dat kost nu veel tijd omdat je alles handmatig moet aanstippen, maar uiteindelijk gaat het tijd opleveren. In de VS, waar ze het al gebruiken, scheelt dit per arts een paar uur in de week\u201d, legt Van Buchem uit.<\/p>\n\n\n\n

En er zitten nog meer voordelen aan deze automatisering: \u201c\u201cHet huidige systeem dwingt artsen om in hokjes te denken. Veel moet aan de hand van een checklist vastgelegd worden, maar de zorg is erg complex. Een diagnose stellen of behandelplan maken houdt meer in dan hokjes invullen. Het haalt de nuance weg. Maar als je dat structureren aan een AI overlaat, kan de arts weer focussen op een pati\u00ebnt en breng je die nuance weer terug.\u201d<\/p>\n\n\n\n

Wat is er nog nodig voor AI-systemen in de zorg?<\/h3>\n\n\n\n

Aan onderzoek en projecten geen gebrek. Maar wat missen AI-systemen om echt door te breken in ziekenhuizen? Alle drie de data-experts weten zeker dat dit begint bij goede datasets. Van Buchem: \u201cDatasets zijn niet altijd objectief. Als een arts bepaalde waardes in het bloed van een pati\u00ebnt test, doet hij dat met een diagnose in zijn achterhoofd. De waardes die de arts kiest, wijzen dus al richting een diagnose en zijn niet objectief. Als je een AI systeem op deze data traint moet je daar rekening mee houden. Daarom is het goed om altijd kritisch te zijn en je vooraf goed af te vragen waarom bepaalde gegevens zijn verzameld.\u201d<\/p>\n\n\n\n

Scans geven al een objectiever beeld, zegt Stoop. \u201cZo\u2019n scan is een directe weergave van bijvoorbeeld een orgaan. Hier kun je AI-modellen van alles mee laten doen. Maar er is geen gouden standaard. Als je tien radiologen vraagt wat ze zien, zullen ze niet allemaal hetzelfde zeggen.\u201d<\/p>\n\n\n\n

AI pushen door te zoeken<\/h3>\n\n\n\n

Ook die verschillende bevindingen van artsen moeten uit een AI-model kunnen komen. Maar nu stopt een algoritme met zoeken als het net voldoende informatie heeft opgespoord om tot een diagnose te komen. Terwijl je eigenlijk wilt dat het systeem verder zoekt, net als een radioloog doet om een completer beeld te krijgen. <\/p>\n\n\n\n

Hier heeft Gonz\u00e1lez-Gonzalo iets op gevonden: \u201cNu zit de taak van een Al er op als het systeem een ziekte herkent. Terwijl het vaak niet zo zwart-wit ligt. Maar door het systeem te pushen<\/em> om verder te kijken, worden meerdere gebieden aangestipt. Hierdoor krijg je meer inzicht\u201d, legt ze uit. Bij de verschillende aangestipte gebieden kan het systeem aangeven – met een percentage bijvoorbeeld – hoe zeker de AI van de diagnose is. \u201cArtsen zien zo meteen of er nog extra onderzoek nodig is of dat ze iets moeten dubbelchecken\u201d, aldus Gonz\u00e1lez-Gonzalo<\/p>\n\n\n\n

Transparante en uitlegbare modellen<\/h3>\n\n\n\n

AI neemt pas echt een vlucht als modellen kunnen uitleggen hoe ze tot een beslissing komen. Bij simpelere algoritmes is deze zogenaamde black box al geopend. Van Buchem: \u201cVeel mensen denken dat het niet mogelijk is om AI zichzelf te laten uitleggen. Maar er zijn algoritmes die dit prima kunnen. Op de IC bijvoorbeeld geeft AI aan welke waardes het gebruikt om de kans op heropname te voorspellen.\u201d<\/p>\n\n\n\n

Ook het model dat Gonz\u00e1lez-Gonzalo ontwikkelde om oogziektes te herkennen op scans, neemt artsen mee in het beslissingsproces. \u201cVanuit de output<\/em>, gaat het systeem via verschillende plaatjes terug naar de input<\/em>. Op deze plaatjes zien artsen waar het algoritme op heeft gelet om tot een conclusie te komen.\u201d<\/p>\n\n\n\n

Maar complexere AI kan dit proces minder goed inzichtelijk maken, geeft Stoop aan. \u201cEen ingewikkeld algoritme legt zo ontzettend veel verschillende verbanden. Veel relaties die wij als mensen niet eens kunnen zien.\u201d <\/p>\n\n\n\n

Een voorbeeld van zo\u2019n complex algoritme probeert erfelijke oogziektes te diagnosticeren door genetische data aan oogscans te koppelen. Gonz\u00e1lez-Gonzalo: \u201cOp verschillende manieren trainen we een dataset om een link te leggen tussen het gen voor een erfelijke ziekte en de oogscan. Hoe een systeem zo\u2019n link legt, is voor mensen bijna onmogelijk te begrijpen. <\/p>\n\n\n\n

Toch proberen we een manier te bedenken hoe AI-systemen zoiets inzichtelijk kunnen maken. Hierdoor krijgen zorgmedewerkers meer vertrouwen in de werking van AI. Ook dat gaat helpen bij bredere toepassing van AI in de zorg.\u201d<\/p>\n","protected":false},"excerpt":{"rendered":"

Om ons heen zien we toepassingen van kunstmatige intelligentie (AI) steeds gewoner worden. Aanbevelingen voor Spotify en Netflix, virtuele assistenten die van alles voor je regelen of horloges die je wakker maken wanneer je helemaal bent uitgerust. Ook in de zorg neemt het gebruik van AI de laatste jaren toe. Afgelopen week schreven we nog […]<\/p>\n","protected":false},"author":1579,"featured_media":519283,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"advgb_blocks_editor_width":"","advgb_blocks_columns_visual_guide":"","footnotes":""},"categories":[96412],"tags":[108343,16158,102595,97687,91726,71045],"location":[],"article_type":[],"serie":[],"archives":[],"internal_archives":[],"reboot-archive":[],"class_list":["post-261137","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-health-nl-nl","tag-a-eye-research-nl","tag-ai-nl","tag-follow-up-nl","tag-lumc-nl","tag-newsletter-nl","tag-radboudumc-nl"],"blocksy_meta":[],"acf":{"subtitle":"Elke week geven we hier een vervolg aan onze best gelezen verhalen. Vandaag: wat hebben AI-systemen in het ziekenhuis nodig voor betere diagnoses?","text_display_homepage":false},"author_meta":{"display_name":"Milan Lenters","author_link":"https:\/\/ioplus.nl\/archive\/author\/milan-lenters\/"},"featured_img":"https:\/\/ioplus.nl\/archive\/wp-content\/uploads\/2020\/12\/RASKERART_IO_AI_in_care_5_12_20-300x200.jpg","coauthors":[],"tax_additional":{"categories":{"linked":["Health<\/a>"],"unlinked":["Health<\/span>"]},"tags":{"linked":["A-eye Research<\/a>","AI<\/a>","Follow-up<\/a>","LUMC<\/a>","Newsletter<\/a>","Radboudumc<\/a>"],"unlinked":["A-eye Research<\/span>","AI<\/span>","Follow-up<\/span>","LUMC<\/span>","Newsletter<\/span>","Radboudumc<\/span>"]}},"comment_count":"0","relative_dates":{"created":"Posted 5 years ago","modified":"Updated 5 years ago"},"absolute_dates":{"created":"Posted on December 6, 2020","modified":"Updated on December 6, 2020"},"absolute_dates_time":{"created":"Posted on December 6, 2020 7:45 am","modified":"Updated on December 6, 2020 7:45 am"},"featured_img_caption":"","series_order":"","_links":{"self":[{"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/posts\/261137","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/users\/1579"}],"replies":[{"embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/comments?post=261137"}],"version-history":[{"count":0,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/posts\/261137\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/media\/519283"}],"wp:attachment":[{"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/media?parent=261137"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/categories?post=261137"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/tags?post=261137"},{"taxonomy":"location","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/location?post=261137"},{"taxonomy":"article_type","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/article_type?post=261137"},{"taxonomy":"serie","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/serie?post=261137"},{"taxonomy":"archives","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/archives?post=261137"},{"taxonomy":"internal_archives","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/internal_archives?post=261137"},{"taxonomy":"reboot-archive","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/reboot-archive?post=261137"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}