ľ�ϸ���Ӱ��

Op een MRI-congres werd hij gegrepen door de mogelijkheden van kunstmatige intelligentie in de zorg. Nu, tien jaar later, is hoogleraar Nico van den Berg coördinator van het AI Lab dat medische beeldvorming sneller en slimmer maakt met AI. “Dankzij AI kunnen we sneller en preciezer werken, waardoor patiënten en zorgpersoneel minder belast worden.”

Soms voelt hij wat weerzin bij “al die hallelujaverhalen over AI”, bekent hoogleraar Computational Imaging Nico van den Berg, coördinator van het . “Er is een groot verschil tussen taalmodellen zoals ChatGPT en medische AI. Taalmodellen zijn eindeloos getraind met het hele internet en enorme hoeveelheden tekstdata. Daarnaast is taal gebonden aan grammaticale regels, spellingsregels, semantiek. Dat maakt het gemakkelijker om patronen te herkennen. In de medische wereld is het moeilijk om voldoende data te verzamelen en bovendien zijn de data die we hebben niet gestructureerd. Dus je kunt AI niet zomaar ‘loslaten’ op beelden en verwachten dat het vanzelf werkt.”

Het is een disclaimer tegen overspannen verwachtingen van de inzet van kunstmatige intelligentie in de zorg. Maar dat er ook ontzettend veel wél mogelijk is, dat ontdekte Van den Berg tien jaar geleden al, op een MRI-congres. “Het was een jaarlijks congres van de International Society of Magnetic Resonance in Medicine. Zij zagen al vroeg de mogelijkheden van AI. Ik was echt flabbergasted. Ik had gelijk door: dit gaat de zorg veranderen, hier moeten we iets mee.”

Medische beeldvorming is een van de meest invloedrijke toepassingen van kunstmatige intelligentie in de geneeskunde, weet Van den Berg. “In medische beelden, zoals MRI of CT, zit allemaal informatie en een menselijk oog kan daar een hoop informatie uit destilleren. Maar kunstmatige intelligentie kan dat vaak dieper en sneller dan de mens.”

Schilderij van Van Gogh

Na afloop van het congres ging Van den Berg direct zelf aan de slag met zijn groep bij de afdeling Radiotherapie. “Het eerste wat we ontwikkelden met AI was een applicatie waarmee je een MRI-scan kon omzetten in een CT-scan. Zoals je nu een foto van een mooi landschap kan omzetten in een schilderij van Van Gogh. Dat kon voorheen helemaal niet. Dankzij deze app had een patiënt geen tweede scan nodig en konden we sneller de behandeling starten.”

Er volgden meer mogelijkheden voor de inzet van kunstmatige intelligentie, zoals het automatisch intekenen van risico-organen op CT en MRI voor bestraling, waarmee duizenden uren manueel intekenen door laboranten werd bespaard. Het belangrijkste voorbeeld is volgens Van den Berg de inzet van AI bij de , een Utrechtse uitvinding waarbij je in realtime kunt zien wat je bestraalt waardoor je gerichter kunt behandelen.

Alles wat we kunnen doen om ons zorgpersoneel te ontlasten, moeten we doen

Dat ‘gerichter bestralen’ kwam in eerste instantie wel met een prijs: patiënten lagen langer in het apparaat, omdat de laboranten handmatig de tumor moesten intekenen. “Dat is behoorlijk belastend voor de patiënt, die in een smal en luidruchtig apparaat moet liggen.” Van den Berg en zijn collega’s trainden een AI-geassisteerd systeem dat de intekening automatisch kan doen. “Deze aanpak combineert relevante data met specifieke domeinkennis. De laborant fungeert als een supervisor, en loopt alleen de intekening nog na. Dat scheelt heel veel tijd – we hebben de stralingstijd kunnen terugbrengen van 45 minuten naar 30 minuten. Dat scheelt de patiënt veel ongemak, en het zorgpersoneel kostbare tijd.”

Die tijdswinst is volgens Van den Berg de belangrijkste toegevoegde waarde van kunstmatige intelligentie in de zorg. “AI zorgt ervoor dat we sneller en preciezer kunnen werken, waardoor patiënten en zorgpersoneel minder belast worden. De komende tien jaar zal het aantal nieuwe kankerdiagnoses alleen maar toenemen, net als de hoeveelheid beschikbare data. Waar we vroeger vijf PET-scans per dag maakten, maken we er nu dertig. Terwijl het aantal mensen dat we hebben om zorg te verlenen, niet met een factor zes is toegenomen. Dat aantal neemt juist substantieel af. Dus alles wat we kunnen doen om ons zorgpersoneel te ontlasten, moeten we doen.”

AI beperkt zich niet tot het analyseren van beelden. Het kan ook helpen om de werkdruk van radiologen te verlichten, aldus Van den Berg. “Radiologen zijn ontzettend veel tijd kwijt met voorbereidende acties, zoals het kijken naar eerdere verslaglegging, vragen checken, gegevens interpreteren. Ik zie voor me dat radiologen in de toekomst een virtuele AI-assistent krijgen: een soort orchestrator die razendsnel alle relevante informatie verzamelt, filtert en overzichtelijk presenteert. Daardoor houdt de arts tijd over voor pure geneeskunde. In mijn ogen is dat de menselijke interactie, de relatie tussen patiënt en zorgverlener.”

Wisselwerking

Binnen de AI Labs wordt nauw samengewerkt met het bedrijfsleven. Van den Berg: “Je hebt elkaar echt nodig. Wij kunnen een AI-methodiek ontwikkelen, een labprototype maken, maar op een gegeven moment wil je opschalen en daar heb je de commercie voor nodig. In het bedrijfsleven zit veel meer engineering capaciteit dan in het ziekenhuis. Wij komen dan vervolgens weer in beeld voor klinische studies en evaluatie. Dus het is echt een wisselwerking.”

Een mooi voorbeeld is het project IMAGINE, waarbij het AI Lab for Imaging and Image-guided Interventions samenwerkt met andere universiteiten, bedrijven als Philips en Elekta en ziekenhuizen om de nieuwste beeldvormende en beeldgeleide technologieën uit te vinden. Het streven is om een deel van de behandelingen minimaal invasief of zelfs geheel non-invasief te maken. “Dit leidt tot minder belasting voor de patiënt, minder neveneffecten, en minder nazorg.”

Gelijke uitdagingen

Daarnaast zorgt de bundeling van het AI-gerelateerde onderzoek van het UMC Utrecht in de , ervoor dat Van den Berg nu ook veel nauwer samenwerkt met zijn collega’s van andere afdelingen die óók kunstmatige intelligentie ontwikkelen en toepassen. “Dankzij het AI Lab ben ik met meer specialisaties in aanraking gekomen, zoals cardiologie en pathologie. Het grappige is dat daar heel gelijke uitdagingen liggen. Beeldvorming, workflow, dataverwerking. Door die kennis samen te brengen, kunnen we infrastructuren delen en gezamenlijk AI trainen. Dan krijg je synergie in plaats van allemaal geïsoleerde initiatieven.”

Volgens Van den Berg is dat precies de reden waarom het AI Lab er moet zijn: om te zorgen dat goede ideeën verder komen dan een losse pilot. En dat vraagt ook om meer waardering voor de mensen achter de schermen. “In Nederland moeten we de ‘computernerds’ in het ziekenhuis meer koesteren. Als we goed mee willen komen met de nieuwe technologische ontwikkelingen en er echt de vruchten van willen plukken, dan moeten we ons realiseren hoe belangrijk de inhoudelijke mensen zijn en in hen investeren. Want er wordt veel over AI gepraat, maar je moet het ook dóen.”