masterclass eHealth strategie

Vier AI ontwikkelingen in 2018

Gezondheidszorg is in opkomst als een prominent gebied voor AI-onderzoek en toepassingen. En bijna elk gebied in de branche zal worden beïnvloed door de opkomst van de technologie. SmartHealth over vier AI-trends waar we de aankomende jaren naar verwachting steeds meer van zullen merken.

Gezondheidszorg is bij uitstek een sector waar bergen data verzameld en gecreëerd worden, die nodig zijn voor kunstmatig intelligente software-toepassingen. MRI-scans worden gebruikt om algoritmes voor beeldherkenning te trainen. Ongestructureerde en gestructureerde data uit onder andere EPD’s kunnen worden gebruikt voor text mining modellen om te voorspellen welke patiënten eerder ontslagen kunnen worden of juist een risico lopen.

Toch zijn er nog veel uitdagingen voordat concrete toepassingen van kunstmatige intelligentie (AI) hun weg vinden in de zorgsector. Interoperabiliteit tussen IT-systemen, standaardisatie en databases die groot en betrouwbaar genoeg zijn, om er een paar te noemen. Ondanks die uitdagingen is de potentie van kunstmatige intelligentie in de zorg groot, zeggen zowel de sceptici als de technologie-optimisten.

1. Opkomst van AI als medisch hulpmiddel

In de afgelopen maanden keurde de Amerikaanse FDA meerdere software-toepassingen goed die gebouwd zijn op AI. Neurale netwerken blijken in staat om afwijkingen op te sporen, bijvoorbeeld bij medische beelden. Zo lukte het DeepMind om – in samenwerking met een Brits oogziekenhuis – met zijn neurale netwerk veelvoorkomende oogziektes te herkennen in oogscans (OCT), met dezelfde nauwkeurigheid van medische experts wanneer zij dezelfde beelden beoordelen.

Soms gaat het om toevalstreffers: door kunstmatig intelligente software kunnen ook nieuwe verbanden worden ontdekt. Het Amerikaanse bedrijf AliveCor – maker van ECG-apparatuur voor consumenten om hartritme filmpjes te maken – publiceerde eerder dit jaar op een congres van het American College of Cardiology de resultaten van een onderzoek waarbij hun algoritmen 2 miljoen hartfilmpjes en de bijbehorende 4 miljoen kalium bloedwaarden analyseerden. Dat de algoritmen op basis van een analyse van miljoenen ECG’s ook andere aandoeningen kunnen opsporen, bleek een onverwachte bijvangst te zijn: het algoritme bleek een grote voorspellende waarde te hebben om kaliumgehalte te bepalen.

AliveCor ECG iPhone

AliveCor werkte voor de ontwikkeling van de test met de cardiologieafdeling van de Mayo Clinic. Cardioloog Paul Friedman, de chef van die afdeling, zegt in een persbericht dat de test extreem goed presteert in het onderzoek. Volgens de cardioloog heeft AliveCor potentie om op een pijnloze en goedkope manier aan te tonen of het potentieel levensbedreigende kalium-overschot, dat prima kan worden behandeld, aanwezig is bij een patiënt.

2. AI in klinische studies

Met ResearchKit en CareKit van Apple boren medische onderzoekers en kennisinstellingen nieuwe databronnen aan: informatie van iPhone-gebruikers en van de sensoren in smartphones. Voor aandoeningen als Parkinson, autisme en hartritme-stoornissen zijn er grootschalige klinische studies waar wereldwijd deelnemers met hun smartphone aan mee kunnen doen.

“We snappen nog steeds niet goed waarom patiënten zo verschillen van elkaar”, aldus een onderzoeker, “en waarom therapieën en medicijnen verschillende uitkomsten hebben.” De dataverzameling via Apple’s ResearchKit geeft medische onderzoekers toegang tot een kwantiteit en kwaliteit van sensordata, videobeelden, foto’s en vragenlijsten die tot voor kort lastig te verkrijgen waren.

Neem bijvoorbeeld de ResearchKit-studie naar kinderen met autisme van de Amerikaanse Duke University, waar in juni de eerste resultaten werden gepubliceerd in tijdschrift npj Digital Medicine. Het doel van de Autism & Beyond studie was om te testen of iPhones inzetten voor dataverzameling geaccepteerd werd onder deelnemers en bruikbare resultaten opleverde, in de vorm van video’s van kinderen met een Autisme Spectrum Stoornis (ASS). Daarnaast wilde onderzoekers van Duke Medicine die videobeelden en data analyseren om te kijken of software de beelden correct kan coderen, dus emoties van jonge kinderen kan herkennen en kwantificeren, door het gebruik van kunstmatige intelligentie.

Nog een goed voorbeeld is de Parkinson Op Maatstudie van de Radbouduniversiteit Nijmegen en het Radboudumc, in samenwerking met Verily Life Sciences, een dochteronderneming van Google. Bij 135 deelnemers worden naast metingen in het ziekenhuis ook data verzameld door de smartwatch die Verily ter beschikking stelt. Door een grote groep mensen met parkinson een lange tijd nauwkeurig te volgen hopen de onderzoekers meer inzicht te krijgen in het ontstaan en verloop van de ziekte en de verschillen tussen mensen met parkinson.

“Nu worden verschillende onderzoeken uitgevoerd naar één onderwerp, bijvoorbeeld alleen hersenscans of alleen genetische informatie. Het mooie aan de Parkinson Op Maatstudie is dat we straks van heel veel mensen met parkinson informatie hebben over al deze terreinen. Hierdoor kunnen verschillende vakgebieden samen onderzocht worden”, aldus Rick Helmich, neuroloog in het Radboudumc en betrokken bij de Parkinson op Maatstudie.

3. AI in geneesmiddelenonderzoek

Ook geneesmiddelenfabrikanten experimenteren met deep learning om nieuwe geneesmiddelen te ontdekken. Grote farmaceuten werken samen met AI bedrijven om nieuwe moleculen, eiwitten en genetische verbanden te ontdekken die een stimulans kunnen zijn voor geneesmiddelen-onderzoek. Zo werkt Merck samen met startup Atmoswise, en GlaxoSmithKline met Insilico Medicine.

Nog een goed voorbeeld is Roche, die in februari 2018 het Amerikaanse Flatiron Health overnam voor bijna 2 miljard dollar. Flatiron’s oncologie-platform wordt in de Verenigde Staten door zo’n 2500 artsen gebruikt en bevat 2 miljoen patiëntendossiers. Voor Roche is die data uit elektronische patiëntendossiers en andere real world evidence cruciaal in het bepalen van successen en bijwerkingen van geneesmiddelen. Data die vervolgens weer gebruikt wordt voor de ontwikkeling van nieuwe medicatie.

4. Arts gezocht

Algoritmes moeten getraind worden, en dat betekent dat technologie-bedrijven soms tientallen medische professionals in dienst hebben. Om de algoritmes te trainen om oogscans (OCT) te beoordelen, moest DeepMind in samenwerking met Moorfield’s Eye Hospital in Groot-Brittannië eerst investeren in het labelen en opschonen van de database van OCT scans. Om die database – met ruim 14.000 scans – klaar te maken voor gebruik waren medische professionals met een getrainde blik. In enkele maanden tijd beoordeelden zij de OCT-beelden.

Ook de Chinese tech-gigant Alibaba heeft een vergelijkbaar verhaal, toen het in 2016 de eerste stappen zette met AI. Volgens Min Wanli, hoofd van de machine intelligence afdeling van Alibaba Cloud, ging het bedrijf eerst samenwerkingen aan met Chinese gezondheidsinstellingen en leveranciers van medische hulpmiddelen om toegang te krijgen tot medische data en beelden. “Eerst moesten we instellingen overtuigen om krachten te bundelen, om medische beelden te delen om onze algoritmes te trainen. Die medische beelden en data werden vervolgens geannoteerd door dokters en specialisten: wanneer een onderdeel geen labels of annotaties heeft, weten wij dus niet of het om een gezonde persoon of om een zieke persoon gaat. Dit was een belangrijke stap”, aldus Wanli.

0 antwoorden

Plaats een Reactie

Meepraten?
Draag gerust bij!

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *