Er is een grote kloof tussen onderzoek met kunstmatige intelligentie (AI) en toepassing ervan in de praktijk. Onderzoekers in het Antoni van Leeuwenhoek (AVL) in Amsterdam willen die kloof overbruggen. “We hebben al enkele succesverhalen die de waarde van AI laten zien, zowel in de radiologie als breder in de zorg. Maar er is nog een lange weg te gaan”, stelt radioloog en chief medical information officer dr. L.P.C. (Laurens) Topff.
Onderzoek met AI levert vaak positieve resultaten op. Toch volgt op onderzoek vaak geen implementatie, ervaart Topff die in 2025 is gepromoveerd op dat onderwerp. “Wij willen niet stoppen bij een wetenschappelijke publicatie over een goed AI-algoritme, maar ook effectief zorgen voor toepassing ervan op de dagelijkse werkvloer. Dat is de uitdaging.”
Successen
Topff noemt enkele successen met AI in het AVL. Zo wordt een groot deel van de MRI-scans versneld met AI-software, waarmee de scantijd met 20 tot 50% wordt gereduceerd. Daardoor hoeven patiënten minder lang in de scanner te liggen, kunnen meer patiënten op een dag worden onderzocht en worden wachtlijsten verkort. AI wordt ook ingezet voor het detecteren van afwijkingen op CT-scans. Dat helpt om sneller afwijkingen op te sporen en de tijd te verkorten voor de diagnose van bijvoorbeeld incidentele longembolie.
Topff: “Ook binnen de oncologie is AI toepasbaar, onder andere voor het automatisch segmenteren van laesies, bijvoorbeeld hersenmetastasen op MRI. AI kan ook de diameter meten van een tumor en volumebepaling doen. Daarmee zetten we AI in om tumorrespons tijdens of na behandeling radiologisch beter en objectiever te kunnen bepalen. Voor enkele tumortypen doen we dat al, zoals hersenmetastasen en mesothelioom. We willen dit breder gaan inzetten.”
Integreren
Toch blijft nog de vraag: hoe breng je AI succesvol in de dagelijkse praktijk en in bestaande werkprocessen? Digitale systemen laten dat niet altijd toe en zijn soms verouderd. “Dan kunnen die AI niet goed integreren”, vertelt Topff. “Bovendien moeten zorgverleners goed worden getraind, ook om AI-uitkomsten te gaan vertrouwen en daarmee te kunnen omgaan. En uiteraard zijn ook regulering en financiële aspecten van groot belang. Omdat de radiologie er al enkele jaren mee bezig is, hebben wij al ervaring opgebouwd die denk ik breder waardevol is voor de oncologie en de zorg.”
Topff benadrukt dat zorgverleners altijd kritisch moeten zijn over nieuwe oplossingen. Dat geldt ook voor de meerwaarde van AI. Nieuwsberichten over AI gaan vaak over positieve resultaten, maar die zijn meestal voor een specifieke setting. “Daarbuiten werkt de onderzochte AI-toepassing dan weer net iets minder goed. Dat draagt bij aan de AI-kloof, die we juist willen overbruggen.”
Het is volgens Topff de taak van zorgverleners om niet alleen oog te hebben voor ontwikkelingen, maar ook voor de implementatie ervan. AI staat nu op de grens van onderzoeksfase naar implementatiefase. “Het is belangrijk dat medisch specialisten daar nauw bij betrokken zijn. Implementatie is geen aangelegenheid van de ICT-afdeling, maar een multidisciplinair proces. Medisch specialisten kunnen aangeven hoe zij een toepassing willen inbrengen in werkprocessen, zodat het de workflow ondersteunt en de zorg verbetert zonder dat het meer werk oplevert. Voor implementatie is veel meer nodig dan alleen een AI-algoritme. Het vraagt bijvoorbeeld ook vertrouwen om AI-uitkomsten te gaan toepassen. Gebruikers van AI moeten daarbij geholpen worden.”
Ondersteunen
AI is nog steeds een technologie in ontwikkeling, stelt Topff. De AI-toepassingen van vandaag hebben beperkingen, waaronder onjuiste voorspellingen. “Maar de technologie kan ons ondersteunen, op voorwaarde dat we die verantwoord en veilig inzetten. Als we er de controle over houden en het goed implementeren, denk ik dat we na verloop van tijd merken dat het meerwaarde heeft voor de zorg en niet vertragend werkt. Dat merken we ook in onze implementatietrajecten. Aanvankelijk is implementatie een uitdaging. Maar als een betrokken en kundig team ermee aan de slag gaat en de kinderziekten wegwerkt, kunnen we AI succesvol breder uitrollen. Dat hebben we al voor enkele toepassingen gedaan.”
AI-toepassingen zijn tot nu toe heel taakgerichte modellen, bijvoorbeeld specifiek voor het detecteren van longnodules. Topff voorziet dat de modellen generalistischer worden en op basis van grote hoeveelheden data steeds bredere taken krijgen, voor steeds grotere groepen patiënten. “Die bredere modellen hebben we nodig om echte transformatie van zorg te bereiken. De ontwikkelingen gaan ook wel die kant op. Dat is veelbelovend.”
Integrale aanpak
Een huidig implementatietraject in het AVL is het objectiever, beter en reproduceerbaar bepalen van therapierespons op CT- en MRI-scans. Daarvoor zijn modellen ontwikkeld die nu klinisch worden geïmplementeerd. “Er zijn al concrete projecten die bij ons dagelijks waarde van AI toevoegen. Maar veel van de huidige AI-oplossingen hebben beperkingen en zijn zeker niet geschikt om autonoom te functioneren. Het is belangrijk dat huidige gebruikers goed op de hoogte zijn van de beperkingen. Daar ligt een rol voor chief medical information officers in medische centra.”
Implementatie vraagt dus een multidisciplinaire aanpak. Er zijn niet alleen klinische aspecten (welk klinisch probleem willen we oplossen en hoe kunnen we AI inpassen in onze werkprocessen?), maar ook aspecten die te maken hebben met financiën en regulering. Aan een implementatieteam nemen daarom deskundigen deel vanuit verschillende invalshoeken. Topff: “Zo’n integrale aanpak is nodig om implementatie succesvol te laten verlopen. De klinische expertise moet daar vroeg bij zijn, zodat de eindgebruikers kunnen meebepalen hoe de implementatie moet verlopen. Dat is geen technisch proces of een technische integratie, maar een brede verandering van zorg. Dat zien we bijvoorbeeld bij de snellere scantijd van een MRI. Het is dan de uitdaging om werkprocessen daaromheen aan te passen.”
Internationale samenwerking
Topff werkt ook internationaal aan de ontwikkeling en toepassing van AI. Hij is als wetenschappelijk coördinator betrokken bij Compass AI: een 4-jarig Europees project vanuit de Europese Commissie, opgezet om veilige en effectieve implementatie van AI in de zorg te versnellen. Momenteel worden daarvoor richtlijnen opgesteld. “We zijn ook een multidisciplinair kennisnetwerk aan het oprichten waarin ziekenhuizen van elkaar kunnen leren. Want we moeten voorkomen dat ziekenhuizen bij AI-implementaties steeds dezelfde fouten maken. Dat kan door ervaringen met elkaar uit te wisselen. Het is een speerpunt van de Europese Commissie om dat te bevorderen. Heel veel aandacht gaat in deze tijd naar de ontwikkeling van AI, maar het versnellen van AI-adoptie is minstens zo belangrijk.”