Scans analyseren met AI

Beeldvormende technieken, zoals CT-, MRI- en PET-scans, vormen een belangrijke bron van informatie die de behandelkeuzes bij kankerpatiënten medebepaald. Het gaat daarbij om enorme hoeveelheden data, die tot nog toe nauwelijks met elkaar worden vergeleken door onderzoekers van verschillende ziekenhuizen.  Door beelden van grote groepen patiënten te analyseren met artificial intelligence wil het consortium AMICUS, onder leiding van professor André Dekker, nieuwe kennis ontwikkelen, waarmee oncologen beter op maat kunnen behandelen. De onderzoeksgroep, waarvan ook de universiteiten van Tilburg en Twente, het Universitair Medisch Centrum Groningen en IKNL deel uitmaken, gaat de technologie ontwikkelen waarmee beelden uit diverse ziekenhuizen kunnen worden geanalyseerd op een wijze die bovendien de privacy van patiënten respecteert. Als blauwdruk voor die technologie fungeert de in Maastricht ontwikkelde data-infrastructuur PHT.

Data-infrastructuur

Personal Health Train (PHT) is een open datasysteem, ontwikkeld aan de Universiteit Maastricht door de onderzoeksgroep van André Dekker. Inmiddels werken academische ziekenhuizen uit het hele land en onderzoeksbureau TNO mee aan dit model. Belangrijker nog, het heeft de nationale politiek bereikt en is als best practice opgenomen in het onlangs door het kabinet gepresenteerde Strategisch Actieplan AI. Deze animatie geeft het technische verhaal goed weer. Traditioneel gaat het zo: medische gegevens worden verzameld en gekopieerd van de ene naar de andere plek. De Personal Health Train komt juist naar de benodigde data toe. Het is een soort ‘trein’ (eigenlijk een zoekopdracht of algoritme) die langs diverse data-stations rijdt om daar informatie te analyseren. Dat hoeven niet alleen data van zorgaanbieders of -verzekeraars te zijn. Bij een veertiger die tijdens de marathon van Rotterdam een hartaanval krijgt, is het voor een behandelend arts of medisch onderzoeker wellicht ook interessant om de Strava-gegevens van deze meneer naast zijn medisch dossier te leggen. Met PHT zou dat met één druk op de knop te realiseren zijn. Doordat de data bij de bron blijven, houdt de eigenaar altijd de controle over zijn gegevens. In die zin is dit een privacy vriendelijke manier van het omgaan met medische gegevens. Ook voor medische wetenschappers biedt dit datasysteem grote mogelijkheden. Een goed voorbeeld hiervan is het project AMICUS.

India

Tijdens het staatsbezoek van koning Willem-Alexander en koningin Maximá aan India heeft de onderzoeksgroep van André Dekker vorige maand een samenwerkingsovereenkomst getekend met de Indiase tak van Microsoft en de Apollo ziekenhuisgroep in dat Aziatische land. Die laatste twee partijen hebben samen met behulp van kunstmatige intelligentie een model ontwikkeld dat het risico van mensen op hart- en vaatziekten voorspelt. Het algoritme is gebaseerd op een enorme hoeveelheid gegevens uit de zes ziekenhuizen van de Apollo groep. In Maastricht gaat het model nu gevalideerd worden met data uit de Maastricht Studie (een langlopende cohortstudie naar de gezondheid van mensen in de regio Maastricht) en van het Hart + Vaatcentrum in het Maastrichtse academisch ziekenhuis. In de toekomst zullen de partijen ook gaan werken aan een algoritme dat uitkomsten van kankerbehandelingen voorspelt. Begin december bezoekt André Dekker verschillende ziekenhuizen in India om de samenwerking concreet handen en voeten te geven.