Het TECH4ALL-initiatief van Huawei heeft tot doel ervoor te zorgen dat niemand achterblijft in de digitale wereld, door digitale inclusieprogramma’s aan te moedigen en de acceptatie van technologie wereldwijd te versterken. Het project is vergelijkbaar met een deel van het werk dat over geheel Europa plaatsvindt binnen de academische wereld, daar waar onderzoeksprojecten gericht zijn op het benutten van technologie voor maatschappelijk welzijn.

Bram van Ginneken

Professor van Ginneken, hoogleraar Functionele Beeldanalyse aan het Radboud Universitair Medisch Centrum, introduceert gedigitaliseerde zorgoplossingen in ontwikkelingslanden en is van mening dat over tien jaar alle pathologieafdelingen van ziekenhuizen zullen zijn gedigitaliseerd. Hij sprak met Huawei over zijn werkzaamheden.

Wanneer begonnen uw werkzaamheden in medische beeldanalyse?

 

Ik studeerde natuurkunde en behaalde in 1996 een doctoraat in medische beeldanalyse, waarbij ik computerprogramma’s ontwikkelde die röntgenfoto’s van de borstkas analyseren met behulp van kunstmatige intelligentie (AI). Eind jaren negentig wilden we digitale thoraxfotocellen met AI-software plaatsen in landen waar veel tuberculose voorkomt omdat dat een snellere en bredere screening mogelijk maakt, zonder dat er beelden op film hoeven te worden ontwikkeld. Digitale röntgenapparatuur was in die tijd echter te duur.

In 2012 brak deep learning door en werd het gebruik van AI voor medische beeldanalyse populairder. Ik verhuisde naar een universiteit in het oosten van Nederland en heb een groep van 70 onderzoekers opgezet die medische beelden analyseren. Vijf jaar geleden begonnen we samen te werken met pathologieafdelingen voor de digitalisering van beelden. Het probleem is echter dat deze zeer grote beelden, wanneer ze voor medisch gebruik worden bewaard, veel ruimte in beslag nemen. Afdelingen verwijderen daarom al hun beelden na drie maanden, dus kunnen we ze niet voor deep learning gebruiken. Naarmate opslagsystemen goedkoper worden, komen we dichter bij de oplossing van dit probleem. We zullen alle pathologieafdelingen binnen de komende tien jaar gedigitaliseerd zien, dat weet ik zeker.

Wat heeft de digitalisering van ziekenhuizen tot nu toe beperkt?

De gezondheidszorg is conservatief. Nieuwe oplossingen moeten in grote studies worden bewezen, en er zijn veel legacy-processen aanwezig.

Er is een simulatiestudie in Zweden gehouden met behulp van het nieuwste AI-mammografiesysteem. Onderzoekers vergeleken het met traditionele zorgmethoden. Ze ontdekten dat het AI-systeem net zo goed werkte als de eigen radiologen van een ziekenhuis en zelfs beter presteerde dan sommige radiologen. Dus stelden ze voor om een groot percentage mammogrammen alleen door het AI-systeem te laten lezen. Als het een probleem identificeert, zal het dit melden bij een consultant die het verder zal onderzoeken.

De simulatie liet zien dat dit werkt, maar het werd niet geïmplementeerd. In plaats daarvan wordt beweerd dat het ziekenhuis een prospectieve studie zou moeten uitvoeren. Een studie kost al gauw ongeveer € 10 miljoen, dus ze zouden daarvoor serieuze financiering moeten vinden. Deze studie zou jaren in beslag nemen. Ik ben er zeker van dat tegen de tijd dat ze de studie hebben afgerond, de AI-software zo ver gevorderd is dat deze toekomstig gevalideerde technologie al achterhaald zal zijn.

Dat is de uitdaging waar we mee te maken hebben. We moeten systemen valideren voordat ze kunnen worden gebruikt, maar dat kost tijd vanwege regelgeving, en ondertussen verbeteren deze systemen snel.

Zou dit ontwikkelingslanden helpen?

 

AI is voordelig voor de ontwikkelingslanden omdat er met minder legacy-processen en minder regelgeving rekening moet worden gehouden. Kijk naar het continent Afrika. Ze hadden nooit een infrastructuur voor vaste telefonie, dus gingen ze meteen over op mobiele telefoons. Hetzelfde kan gebeuren met digitalisering en de implementatie van AI in de gezondheidszorg.

Door digitalisering worden zorgfuncties gedecentraliseerd, waardoor ze op meer plekken voor meer mensen toegankelijk worden. We zien dit in Afrikaanse landen, waar handheld beeldapparatuur wordt gebruikt; en in Oost-Europa, Azië en Zuid-Amerika, waar tuberculose-screeningprogramma’s die het eerste in hun soort zijn, gebruikmaken van mobiele testeenheden, waardoor professionals zich kunnen richten op kwetsbare groepen. In dit opzicht lopen ontwikkelingslanden voorop in het toepassen van nieuwe medische technologieën. Ze verlagen niet alleen de opstartkosten, maar brengen de zorg bovendien rechtstreeks bij de patiënt.

Wat behelst uw bedrijf Thirona precies?

 

Ik heb Thirona samen met Eva van Rikxoort in 2014 opgericht. Onze visie is gericht op het dichten van de kloof tussen academische ontwikkelingen in medische beeldanalyse en klinische bruikbaarheid. Deze moeten worden overbrugd door producten te maken die de nieuwste technologieën bevatten, maar ook intuïtief zijn voor de gebruiker, en medische specialisten echt helpen. Het bedrijf heeft nu 30 werknemers.

We hebben ook grand-challenge.org opgezet, een platform voor de end-to-end ontwikkeling van machine learning-oplossingen in biomedische beeldanalyse. Iedereen kan hier een nieuwe uitdaging voorstellen aan een netwerk van AI- en medische beeldanalysedeskundigen en enthousiastelingen, die deze uitdagingen vervolgens proberen op te lossen. Het stelt groepen van over de hele wereld in staat om samen te werken aan nieuwe AI-oplossingen.

Hoe ziet de toekomst van wereldwijde gezondheidszorg er volgens u uit?

 

Het zal een toekomst zijn waarin AI en digitale technologieën een centrale rol spelen. Digitalisering wordt ziekenhuisbreed. Persoonlijke handheld-technologie zal een grotere rol spelen; in plaats van stethoscopen zullen artsen persoonlijke echografieapparaten bij zich hebben. Deep learning-systemen worden ontwikkeld om op mobiele telefoons te kunnen worden uitgevoerd, zodat ze beelden onmiddellijk kunnen scannen en analyseren. Hierdoor krijgen artsen meer controle en patiënten directere feedback.

We zullen een mondiaal zorgmodel zien ontwikkelen naarmate geografische grenzen minder belangrijk worden. In plaats van elk beeld te laten analyseren in hetzelfde ziekenhuis als waar dat is gemaakt, kunnen we beelden naar de toonaangevende experts op dat specifieke gebied sturen, waar ze zich ook bevinden. Het zorgt voor een efficiënter systeem en een systeem dat voordelen oplevert voor iedereen, vooral voor degenen in ontwikkelingslanden die een nieuw niveau van toegang tot gezondheidszorg krijgen. Dat is de toekomst waaraan ik werk.

Professor van Ginneken en Huawei blijven samenwerken aan technologie ten behoeve van de gezondheidszorg. Huawei onderzoekt ook hoe zijn eigen technologische oplossingen de projecten van professor van Ginneken kunnen ondersteunen.

Klik hier voor meer informatie over Thirona. 

Copyright © 2020 IDG Communications, Inc.



Source link

LEAVE A REPLY

Please enter your comment!
Please enter your name here