Dat AI in de vorm van zelflerende algoritmes voor beeldherkenning een steeds grotere rol zal krijgen in de radiologie, wordt zelden meer betwist. De wijze waarop dit zal gebeuren en hoe dit zal bijdragen aan de kwaliteit en kosteneffectiviteit van de zorg, is nog volop onderwerp van onderzoek en van gesprek.
Is AI beter dan de radioloog in het beoordelen van beelden?
Met de ontwikkeling van AI over de jaren heen, besteden media vaak aandacht aan onderzoeken waarbij de prestaties van AI worden vergeleken met radiologen. Onlangs betrof dit een Zweeds onderzoek waarbij de boodschap was: "AI ontdekt vaker borstkanker dan radiologen" (zie o.a. de NOS, de Volkskrant, Medisch Contact, een video van Nu.nl en Libelle). Een bevestiging dat AI steeds beter wordt in het uitvoeren van een bepaalde taak en het herkennen van specifieke afwijkingen. Tegelijk past in deze ontwikkeling ook het artikel in NRC deze week, dat een onderzoek bespreekt waarin AI het (nog) niet beter doet dan radiologen bij het herkennen van longaandoeningen.
Zal AI de radioloog vervangen?
Vanaf het moment dat AI zijn intrede deed in de radiologie, wordt gesproken over de mogelijke vervanging van de radioloog door AI. Tegenwoordig wordt vaker de stelling gehoord dat AI niet zozeer de radioloog zal vervangen, maar wel de radiologen die niet met AI werken. De combinatie van AI en de radioloog, van machine en mens, kan leiden tot synergie, waarmee de kwaliteit van screening en beeldvormende diagnostiek kan worden verbeterd en/of de werklast voor radiologen kan worden verlaagd. Ook dat laatste is een zeer gewenste opbrengst voor de huidige praktijk van de toepassing van AI, met steeds toenemende aantallen beeldvormende onderzoeken.
Welke AI is beschikbaar?
De afgelopen jaren is het beschikbare aanbod van AI-software voor radiologie op de Europese markt (met CE-markering) gegroeid. Een overzicht van momenteel in totaal 223 AI-producten is te vinden op de website AI for Radiology. Er kan worden gefilterd op aandachtsgebied en modaliteit, en aan elk AI-product zijn de beschikbare publicaties toegevoegd. Het overzicht is tot stand gekomen als onderdeel van een promotie-onderzoek, dat deze week cum laude werd afgerond met het proefschrift Validation and implementation of commercial artificial intelligence software for radiology door dr. Kicky van Leeuwen.
Hoe gaan we AI implementeren?
Implementatie van AI in de radiologie is een vraagstuk met diverse aspecten, zoals validatie en kwaliteitsmonitoring, meten van de toevoegde waarde en het financieren van de kosten, een technische infrastructuur en integratie in de workflow, en ook de beantwoording van ethische en juridische vragen. Inventarisatie onder leden van het AI-netwerk van het klinisch gebruik van AI op afdelingen radiologie in de Nederlandse ziekenhuizen laat een ontwikkeling zien van uitproberen, maar soms ook weer stoppen met een AI-product. Momenteel wordt een project gestart, genaamd AIfi (AI for imaging), om te kijken of de landelijke infrastructuur, die bestaat voor het versturen van radiologische beelden en verslagen tussen ziekenhuizen, geschikt is te maken voor het gebruik van AI-producten in meer ziekenhuizen. Ook gaat daarbij worden gekeken naar de klinische inpassing en evaluatie van AI en hoe de businesscase is te maken van kosten versus opbrengsten van AI in de radiologie.