Overal langs zijn behandeltraject komt de patiënt kunstmatige intelligentie tegen

De verwachtingen van kunstmatige intelligentie in de medische zorg zijn hooggespannen. Het zou alles wat dokters doen kunnen verbeteren, van aanbevelingen doen en diagnoses stellen tot behandelingen aanbevelen en uitvoeren. Het kan uitkomst bieden bij het groeiende arsentekort in een vergrijzende bevolking. Het zal de kosten drukken en doden voorkomen, is de hoop. En inderdaad, kunstmatige intelligentie kan sneller, nauwkeuriger en consistenter werken en wordt nooit moe. Maar hoe ver is het al doorgedrongen in de medische praktijk? Om dat te ontdekken volgen we een fictieve patiënt, meneer Bakker, op zijn weg door de zorg.

Al een paar weken heeft meneer Bakker afwisselend verstopping en diarree. Hij is afgevallen en ontzettend moe. En sinds een week ziet hij steeds bloed in de wc-pot. Nu zit deze fictieve patiënt bij de huisarts. Die luistert, overweegt een medicijn en tikt de klachten in het patiëntendossier. Daarin staat dat de zeventigplusser bloedverdunners gebruikt. Dan klikt de arts op een gele knop op zijn beeldscherm, van NHGDoc. Dat expertsysteem vergelijkt het patiëntendossier met behandelrichtlijnen en geeft op basis daarvan adviezen over de medicatie en het beleid. „Het stelt geen diagnose, maar helpt om adviezen toe te spitsen op individuele patiënten. Dat is onder huisartsen erg geliefd”, zegt Jako Burgers, huisarts in Gorinchem.

Als dit, dan dat

Kunstmatige intelligentie is in alle takken van de zorg sterk in opkomst. In de spreekkamer van de huisarts is artificial intelligence, ofwel AI, zelfs al landelijk doorgedrongen. NHGDoc is een expertsysteem, een vorm van AI gebaseerd op grote hoeveelheden informatie en regels: als dit, dan dat. het is gebaseerd op landelijke richtlijnen. Dergelijke systemen zijn er meer, in gebruik of in ontwikkeling, zoals bijvoorbeeld Oncoguide, een beslisondersteunend systeem voor oncologen.

Maar sinds 2012 bestaat veel AI uit zelflerende algoritmes. Die kunnen beheerd (supervised) zijn, of onbeheerd. Een beheerd systeem krijgt bijvoorbeeld röntgenbeelden en de bijbehorende diagnoses gevoerd, en kan daarna zelf diagnoses stellen. Een onbeheerd systeem krijgt grote hoeveelheden ongelabelde data en wordt gevraagd daarin patronen te herkennen – een vorm daarvan is deep learning. Die zelflerende AI is op allerlei plekken op de route van onze patiënt in ontwikkeling, of zelfs al in gebruik.

De huidige algoritmes geven nog geen advies over wat je moet doen met een poliep

Erik Schoon maag-lever-darmarts

Als onze fictieve patiënt Bakker naar het ziekenhuis gaat voor een kijkonderzoek van zijn dikke darm, een zogenoemde coloscopie, kijkt in sommige ziekenhuizen AI mee. De maag-lever-darmarts bekijkt de binnenkant van de darm met een flexibele slang met een lampje en een camera. Hij haalt eventuele poliepen weg (mogelijke voorlopers van gezwellen) en neemt van verdacht weefsel een stukje (een biopt) om het te onderzoeken.

Erik Schoon, maag-lever-darmarts in het Catharina Ziekenhuis in Eindhoven, ontwikkelde samen met de Technische Universiteit Eindhoven als eerste in de wereld AI om vroege slokdarmkanker tijdens een scopie beter te detecteren, en werkt aan vergelijkbare algoritmes voor dikkedarmkanker. De systemen zijn getraind met honderdduizenden endoscopiebeelden. Tijdens het dikkedarmonderzoek geven ze met een piepje en een blauwe markering op het beeldscherm aan waar afwijkende cellen zitten.

Gemiste poliepen

Zijn ziekenhuis gebruikt de software al voor wetenschappelijk onderzoek, net als detectiesoftware voor beginnende darmkanker. „Meerdere groepen werken aan dit soort AI, en verschillende fabrikanten hebben al detectiesoftware op de markt gebracht”, zegt Schoon. Met dergelijke software worden poliepen in de dikke darm of de endeldarm twee keer minder vaak gemist dan zonder deze ondersteuning, wees onderzoek vorig jaar uit.

„De huidige algoritmes geven nog geen advies over wat je moet doen met een poliep”, zegt Schoon. „Wij werken aan een systeem dat kan voorspellen of een poliep kwaadaardig is, en of die via de binnenkant van de darm weg te halen is, of met een darmoperatie. Als we de endeldarm kunnen sparen is dat veel gunstiger voor een patiënt, die hoeft dan geen stoma. Bovendien is het goedkoper.” Die vroege kankerstadia zijn, zeker voor een onervaren arts, lastig te herkennen, zegt hij. „AI kan dat wel. Daarmee heb je er een ervaren expert bij.” Samen met 22 Nederlandse ziekenhuizen verzamelen Schoon en zijn collega’s nu gegevens van patiënten om deze AI mee te trainen en te testen.

Van meneer Bakker wordt onder meer een CT-scan van de buik en longen gemaakt. Ook daar kijkt AI mee; die helpt om uitzaaiingen in de longen op te sporen. „In de radiologie is AI al best ver ontwikkeld”, zegt Regina Beets-Tan, radioloog en afdelingshoofd in het in kanker gespecialiseerde ziekenhuis Antoni van Leeuwenhoek (AvL) in Amsterdam. „Radiologen werken al twintig jaar met gedigitaliseerde beelden waarmee zulke AI-systemen kunnen worden getraind en getest.” Voor het herkennen van longembolie (een bloedpropje in een bloedvat in de longen) op een CT-scan is op haar afdeling al twee jaar AI in gebruik. „Radiologen willen dat nooit meer kwijt”, zegt ze. „Bij kankerpatiënten wordt ons gevraagd om te kijken naar de tumor en afwijkingen daar omheen, en dan valt een embolie ons soms niet op. Maar de AI wel.”

Dat systeem geeft nu nog iets te vaak vals alarm valt tegen

Regina Beets-Tan radioloog

Ook voor het herkennen van kleine uitzaaiingen, longknobbeltjes, op een CT-scan gebruikt haar afdeling AI. „Dat systeem geeft nu nog iets te vaak vals alarm, radiologen moeten dat nog goed nakijken.”, zegt Beets-Tan.

Naast deze twee bestaan er nog maar weinig goedgekeurde AI-tools voor de kliniek, zegt ze. „Er is AI voor het bepalen van het stadium van prostaatkanker op een MRI-scan, en voor het opsporen van borstkanker op röntgenfoto’s. Die laatste wordt in Nederland nog niet toegepast in het bevolkingsonderzoek.”

Lees over computers die diagnoses stellen: De software die slimmer is dan de dokter

Er worden enorm veel AI-algoritmen gemaakt en onderzocht, maar het loopt vaak vast op de certificering. Een groot probleem is de zogenoemde validatie. Een algoritme dat in de ene groep mensen effectief een bepaald kankertype kan herkennen, moet dat ook kunnen doen in een andere groep – bijvoorbeeld uit een ander ziekenhuis.

Al die AI-systemen moeten dus grondig getest worden op grote datasets – hoe groter en homogener die datasets hoe betrouwbaarder de AI. Maar zoveel grote verzamelingen van betrouwbare en gestandaardiseerde patiëntengegevens zijn er niet. Daarom is Beets-Tan verguld met een Europa-breed initiatief dat deze maand startte. Dat beoogt 60 miljoen radiologische beelden van meer dan 100.000 kankerpatiënten uit zeventig ziekenhuizen in de Europese Unie in één grote beveiligde, gestandaardiseerde databank toegankelijk te maken voor artsen, onderzoekers en bedrijven. „Daarmee kunnen we AI-algoritmen veel sneller trainen en valideren. In 2026 moet het klaar zijn. Het zal de implementatie van betrouwbare AI-systemen in de kliniek enorm versnellen”, aldus Beets-Tan.

Zee van roze cellen

Het biopt uit de darm van meneer Bakker wordt in dunne plakjes op microscoopglaasjes geplakt en roze gekleurd. Een patholoog beoordeelt of er sprake is van een tumor, en in welk stadium die is.

Ook in de pathologie worden algoritmen getraind om in de zee van roze cellen op een digitaal beeld tumoren te ontdekken en classificeren. De ontwikkelingen gaan snel. Sinds een paar jaar zijn zelflerende algoritmen vaak beter en consistenter dan de specialisten zelf. Zo zijn er algoritmes die beter dan experts meer dan 750 huidziekten kunnen onderscheiden, of tien hersentumoren, of stadia van prostaatkanker.

„Er zijn ook al producten op de markt in de VS en Europa, bijvoorbeeld voor het herkennen van prostaat- en borstkanker”, zegt patholoog Hugo Horlings van het AvL. „Maar die commerciële systemen zijn duur, en de validatie valt tegen. We testen ze wel, maar in Nederland worden ze nog niet gebruikt in de klinische praktijk.” Wel worden inmiddels in 15 van de 47 ziekenhuizen de microscopische beelden gedigitaliseerd zodat ze bruikbaar zijn om algoritmes te trainen en te gebruiken.

Hiermee zou je patiënten kunnen screenen, om te kijken wie baat zou hebben bij immuuntherapie

Hugo Horlings patholoog

Horlings verwacht dat binnen drie jaar de eerste diagnostische AI-software in de pathologiepraktijk gebruikt wordt. „Het is onontkoombaar. De 350 pathologen in Nederland beoordelen jaarlijks 1 miljoen biopten van kankerpatiënten, en dat werk neemt met de vergrijzing toe. En het percentage verkeerde diagnoses is aanzienlijk. Het verschilt per patholoog, en zelfs per dag, hoe diegene iets beoordeelt. Om de werklast aan te kunnen en de beoordeling te verbeteren moeten we AI omarmen.”

Vertrouwen is daarbij het sleutelwoord, zegt Horlings. Niet alleen het vertrouwen van onderzoekers om hun data te delen, maar ook het vertrouwen van artsen en patiënten in het systeem. Daarom worden er AI-systemen ontwikkeld die bij elke stap aangeven hoe ze tot die beslissing zijn gekomen.

Lees over AI die adviezen geeft: De ontslagsoftware zegt dat de patiënt van de IC mag

Met AI-toepassingen zullen we in de toekomst behandelingen op maat kunnen bieden voor patiënten, zegt Jonas Teuwen, hoofd van het AI for Oncology-lab in het AvL. „Uiteindelijk willen we AI die op basis van alle beschikbare informatie van een individuele patiënt kan voorspellen of een behandeling zal aanslaan, of iemand last zal krijgen van bijwerkingen, en hoe lang iemand zal overleven.”

Bij patiënt Bakker is inmiddels gevorderde endeldarmkanker geconstateerd. Zijn behandelend oncoloog vraagt zich af of immuuntherapie bij hem zou kunnen werken. Horlings en Teuwen werken aan een algoritme dat dit zou kunnen voorspellen. „Darmkankerpatiënten met tumoren waarin honderden mutaties zijn ontstaan, reageren heel goed op een bepaalde immuuntherapie”, zegt Horlings. „Normaal moeten we een genetische test en vier verschillende kleuringen op het weefsel uitvoeren om dit te detecteren. Die tumoren worden gekenmerkt door grote aantallen immuuncellen. Ons algoritme kan die immuuncellen tellen op beelden van de standaard gekleurde microscopische glaasjes én voorspellen of die mutaties aanwezig zijn. Een vergelijkbare AI is in Duitsland getest op ruim 8.000 patiënten, en die voorspelde bij ruim 95 procent accuraat bij wie die genetische afwijking aanwezig is. Hiermee zou je patiënten kunnen screenen, om te kijken wie baat zou hebben bij immuuntherapie.” Het is nog niet in gebruik, het AvL ontwikkelt het verder in samenwerking met een bedrijf.

Nauwkeuriger dosis

Dergelijke algoritmes worden overal ontwikkeld. Zo bouwden onderzoekers in het UMC Utrecht AI die voorspelt wat de respons is van een bepaald type wittebloedcelkanker op zogeheten CAR-T-celtherapie. En Leidse onderzoekers maakten AI die kan voorspellen welke dna-veranderingen er in een baarmoedertumor zitten. Die zijn bepalend voor de behandeling.

Meneer Bakker krijgt radiotherapie. De radiotherapeuten tekenen op zijn MRI-scan de contouren van het gebied waarop de schadelijke röntgenstraling moet worden gericht. Er wordt AI ontwikkeld waarmee de stralingsdosis nauwkeuriger kan worden berekend. En de groep van Teuwen bouwt een algoritme dat real time de stralingsbundel aanpast als de patiënt beweegt, of de organen in zijn buik verschuiven tijdens de behandeling. „Dat geeft een optimale dosis straling in de tumor, en een zo laag mogelijke in gezond weefsel.”

Onze fictieve patiënt, meneer Bakker, verklaren we genezen. Dat overkomt lang niet alle darmkankerpatienten in Nederland: vijf jaar na de diagnose van een stadium 3-endeldarmkanker is driekwart nog in leven, bij stadium 4 (het laatste stadium, met uitzaaiingen) is dat 14 procent. In de toekomst zal, door toegesneden behandelingen dankzij nauwkeurig voorspellende AI, die overleving hopelijk beter zijn.

Lees over de behandeling van prostaatkanker: Stralen op een bewegend doel