De radioloog wordt een datawetenschapper

Scans lezen Kunstmatige intelligentie weet medische scans uitstekend te interpreteren. Waar blijft de radioloog van vlees en bloed?

Radioloog Wouter Veldhuis achter zijn beeldschermen in het Universitair Medisch Centrum Utrecht.
Radioloog Wouter Veldhuis achter zijn beeldschermen in het Universitair Medisch Centrum Utrecht. Foto Olivier Middendorp

Begin jaren negentig bestudeerden radiologen van het Universitair Medisch Centrum Utrecht (UMCU) foto’s nog door de transparanten voor een lichtbak te hangen. Nu werken er radiologen vanachter drie computerschermen.

Een van hen, Wouter Veldhuis, kijkt naar een hersenscan van een patiënt op zijn middelste scherm. „Laten we hem meneer Bakker noemen.” Op zijn rechterscherm staat informatie over de man: zijn ziektegeschiedenis en notities van artsen. Het linkerscherm toont de uitkomst van een computerberekening. In dit geval een algoritme dat de precieze hoeveelheid wittestofafwijkingen in de hersenen heeft berekend. Dat is een ouderdomsverschijnsel, maar duidt bij een overschot op een verhoogd dementierisico. „Kunstmatige intelligentie maakt mij preciezer”, zegt Veldhuis. „Vroeger zei ik na zo’n scan: ‘U heeft wat veel wittestofafwijkingen.’ Nu is het: ‘Voor een 58-jarige man zit u wel heel hoog in de percentielen, vergeleken met duizenden andere breinen in de provincie Utrecht.’”

Wat zal kunstmatige intelligentie doen met de radioloog? Is het einde van deze discipline nabij? Wel volgens Geoffrey Hinton, een beroemde computerwetenschapper, werkzaam bij Google. In 2016 zei Hinton: „Het lijkt me logisch dat we moeten stoppen met het trainen van radiologen.” Ook eind jaren zeventig werd het einde van de radioloog voorspeld, toen de MRI-scanner werd uitgevonden. Wie had er nog radiologen nodig, nu artsen zelf zo goed in het lichaam kunnen kijken? Ze bleken nodig om MRI-scans, en de beperkingen ervan, te duiden.

„Radiologen zijn wel gewend aan innovatie”, zegt Veldhuis. „Maar wat er nu aankomt, veroorzaakt een totale omslag. De tools gebaseerd op kunstmatige intelligentie zijn straks zo goed dat er over vijf tot tien jaar geen radioloog in Nederland is die er niet mee werkt.”

Verkeerd beeld

Kunstmatige intelligentie past bij radiologie, omdat de techniek gedijt bij veel beelddata. En doordat radiologen al voor de eeuwwisseling digitaal werkten, is er een schat aan scans om te analyseren.

In wetenschappelijke studies haalt de kunstmatige radioloog regelmatig de echte in. Zo kwamen onderzoekers van Google met een algoritme dat ervaren radiologen verslaat in het vinden van longkanker in scans.

Curtis Langlotz, hoogleraar radiologie bij Stanford, waarschuwt in het tijdschrift Radiology dat studies snel een verkeerd beeld geven. „Radiologen vergelijken met algoritmes die één ziektebeeld kunnen vinden, is een grove versimpeling van wat radiologen doen. In een uitgebreide radiologengids staan twintigduizend diagnoses opgesomd.”

Radiologen moeten rekening houden met onverwachte, zeldzame ziekten. „Het is indrukwekkend hoe kunstmatige intelligentie paarden vindt, maar ze ziet nog lang geen zebra’s”, schrijft Langlotz.

In plaats van alleen naar een foto kijken, moet ik straks van al deze technieken snappen hoe ze werken en wat de beperkingen zijn

Wouter Veldhuis radioloog

In Nederland zijn zo’n twintig toepassingen van kunstmatige intelligentie voor radiologie op de markt. Zo detecteert het programma Transpara van het Nijmeegse bedrijf ScreenPoint borstkanker in mammogrammen. In een recente vergelijkingsstudie presteerde Transpara beter dan 62 van de 101 radiologen.

Een ander voorbeeld is het detecteren van longnodules in CT-scans. Deze knobbeltjes zijn meestal goedaardig, maar kunnen ook longkanker zijn. „Een CT-scan van de longen bestaat uit honderden verschillende plaatjes”, zegt Bram van Ginneken, hoogleraar functionele beeldanalyse aan de Radboud Universiteit. „Die hoeven we niet allemaal meer te doorzoeken op nodules. Software kan die automatisch vinden.”

Als ziekenhuizen deze software met de radiologen laten meelezen, zou meer longkanker worden gedetecteerd, denkt Van Ginneken. „Toch gebruiken maar enkele van de negentig Nederlandse radiologieafdelingen dit soort tools.”

Foto Olivier Middendorp

Mooiste algoritmes

Volgens Veldhuis worden op allerlei plaatsen in de wereld al „de mooiste algoritmes” gemaakt, die nog niet of nauwelijks worden toegepast. „Iedereen hikt er een beetje tegenaan.” Een verklaring is dat ziekenhuizen hun eigen ict-infrastructuur hebben, waar de software op aangepast moet worden. Dat betekent hoge implementatiekosten.

Ook de software zelf is niet goedkoop. „Voor een pakket wordt zo tussen de 50.000 tot 100.000 euro gevraagd”, zegt Van Ginneken. „Start-ups kampen met flinke opstartkosten, zoals die van ict’ers, salesmensen en voor het verzamelen van alle benodigde data.” Artsen moeten algoritmes uit het buitenland dan nog aanpassen op de eigen ziekenhuispopulatie, om zeker te zijn van goede resultaten.

Radiologieopleidingen besteden opvallend weinig aandacht aan deze nieuwe technieken. Voor kunstmatige intelligentie wordt nu een dagdeel uitgetrokken binnen het vak beeldvormende technieken. De Nederlandse Vereniging voor Radiologie herschrijft nu het landelijke onderwijsplan met een prominentere rol voor kunstmatige intelligentie. Dat is nog niet zo makkelijk, denkt Veldhuis. „Veel vragen erover heeft de beroepsgroep nog niet beantwoord. We begonnen niet voor niets met algoritmes die de volumes van breinen uitrekenen en wittestofafwijkingen. Als die er flink naast zitten, is dat minder schadelijk dan bij een algoritme dat de kans op een hartinfarct voorspelt.”

Lees ook over de hoge verwachtingen van ziekenhuizen voor kunstmatige intelligentie: De computer weet: deze patiënt krijgt straks een aanval

Voorlopig worden in de westerse wereld nog geen scans alleen door computers bekeken, denkt Van Ginneken. In derdewereldlanden, waar een tekort is aan radiologen, wel. Zijn bedrijf Thirona verkoopt daar software om tuberculose op te sporen. „Die wordt al in 35 landen gebruikt.”

Veldhuis denkt dat zijn vak verandert van radioloog naar radioloog-datawetenschapper. „In plaats van alleen naar een foto kijken, moet ik straks van al deze technieken snappen hoe ze werken en wat de beperkingen zijn. Radiologen verdwijnen niet, maar radiologen die geen kunstmatige intelligentie gebruiken, worden vervangen door hen die dat wel doen”.