Promotie Laurens Peter Christ Topff

Trefwoorden: Kunstmatige Intelligentie, Radiologie, Medische Beeldvorming, Klinische toepassing

"Bridging the AI Gap in Radiology From Data to Clinical Impact"

Dit proefschrift behandelde de uitdagingen bij het vertalen van kunstmatige intelligentie (AI) toepassingen van onderzoek naar de klinische praktijk in de radiologie. Ondanks aanzienlijke vooruitgang in AI-onderzoek voor medische beeldanalyse blijft de wijdverspreide toepassing in de klinische praktijk beperkt. Het onderzoek richtte zich zowel op het ontwikkelen van robuuste AI-modellen als op het evalueren van hun implementatie in klinische werkprocessen. Voor modelontwikkeling toonde het proefschrift het belang aan van hoogwaardige, diverse datasets en rigoureuze validatie. Voor implementatie werden commercieel beschikbare AI-toepassingen geëvalueerd in klinische omgevingen. De studies lieten zien dat AI-tools de diagnostische nauwkeurigheid kunnen verbeteren, bijvoorbeeld voor het detecteren van onverwachte kritieke bevindingen zoals longembolie bij patiënten met kanker. Het onderzoek benadrukte dat de klinische domeinexpertise cruciaal is gedurende de gehele AI-ontwikkelingscyclus. Door zowel technische als klinische uitdagingen aan te pakken, draagt dit proefschrift bij aan het overbruggen van de kloof tussen de veelbelovende mogelijkheden van AI en de succesvolle integratie ervan in de radiologische praktijk. 

Klik hier voor de livestream.