Het uitwisselen en pseudonimiseren van data, daar kwamen verreweg de meeste vragen over binnen toen het Jeroen Bosch Ziekenhuis en het Radboudumc bekend maakten een AI-consortium op te zetten. Innovatiemanager Inge Veltman over de samenwerking met het Radboudumc, de Jheronimus Academy of Data Science en innovatie in haar eigen organisatie.
Binnen het Jeroen Bosch Ziekenhuis stuurt Inge Veltman het i-team aan: een team gericht op innovatie en implementatie. Zij adviseert de raad van bestuur van het ziekenhuis. “Innoveren is leren wat wel werkt en wat niet werkt. Een plan maken voor innovatie heeft zelden zin. Het gaat om de dynamiek: bundel kennis en ervaringen, zorg voor draagvlak door mensen uit de organisatie uit te nodigen.”
Lerend vermogen
Kunstmatige intelligentie is een relatief nieuwe technologie die veel potentie heeft. Tegelijkertijd merkten Veltman en haar collega’s op dat er veel bedrijven langs kwamen die graag met de data van het ziekenhuis aan de slag wilden. “Na een marktverkenning door collega Matthieu Rutten, radioloog met een interesse in AI, besloten we dat we zelf een plan moesten maken om kennis en ervaring op te doen. Anders geven we data af aan bedrijven in ruil voor een mooi product, maar wat leren wij daarvan? We willen zelf verstand krijgen van nieuwe technologie zoals kunstmatige intelligentie, en het vermogen om die te kunnen beoordelen op zijn waarde. Wij zien het immers als een essentieel onderdeel van de toekomstige zorg.”
Het contact werd gelegd met hoogleraar Bram van Ginneken (Radboudumc en Thirona) en Eric Postma van de Jheronimus Academy of Data Science (JADS). De Diagnostic Image Analysis Group van het Radboudumc en het Jeroen Bosch Ziekenhuis werken samen aan data-uitwisseling, medische kennis en expertise rond software-development. Vanuit de Jheronimus Academy of Data Science kunnen promovendi aan de slag in het Jeroen Bosch Ziekenhuis. “Met deze samenwerking investeren we op een manier die ons meer kennis oplevert. We delen dezelfde ambitie om deze technologie verder te brengen en ervan te leren”, aldus Veltman.
Productiehuis
“We moeten nu met meerdere ziekenhuizen samenwerken om gezamenlijk nieuwe oplossingen te maken en bestaande oplossingen te testen en te implementeren in de klinische praktijk. Met het JBZ hebben we in heel korte tijd een samenwerking op meerdere terreinen kunnen starten”, aldus Bram van Ginneken, hoogleraar medische beeldanalyse aan het Radboudumc.
Verschillende vakgroepen binnen het Radboudumc werken aan kunstmatig intelligente software, bijvoorbeeld bij digitale pathologie. Toch is voor een academische instelling de samenwerking met een regionaal ziekenhuis ook van belang, zegt Veltman. “Voor het Radboudumc is deze samenwerking een manier om toegang te krijgen tot grote hoeveelheden data die een academisch ziekenhuis alleen minder snel tot zijn beschikking heeft. Een academisch ziekenhuis ziet over het algemeen vooral complexe patiënten: dat kleurt de medische beelden en data. Wij zijn een groot algemeen ziekenhuis met veel patiënten: voor een gebroken pols ga je naar een topklinisch ziekenhuis zoals het Jeroen Bosch ziekenhuis, niet naar een academisch centrum. Wij beschikken over een enorme berg aan data.”
Drie projecten
Het Jeroen Bosch ziekenhuis gaat - eerste niet-academische ziekenhuis - kunstmatige intelligentie op drie manieren onderzoeken en inzetten. Binnen drie projecten, ieder met een andere fase en complexiteit, wordt kunstmatig intelligente software onderzocht.
“Het eerste project is met een reeds bestaand, gevalideerd product, genaamd boneXpert. Daar onderzoeken we: waar loop je tegenaan met de implementatie van nieuwe softwareproducten, hoe past dit in de ICT-infrastructuur? En wie gaat dat algoritme betalen, hoe past het in de bekostiging?
“Het tweede project, iets complexer en langduriger, draait om een algoritme voor het opsporen van verdichtingen in de longen. Dat algoritme moet worden omgezet in een software-product, dat we daarna willen testen en valideren in een andere setting dan het Jeroen Bosch ziekenhuis. De resultaten verwacht ik pas over paar jaar pas, maar die leercurve doorlopen we nu al.”
Het derde project, en het meest ingewikkelde, is het from scratch ontwikkelen van nieuwe algoritmes. De ziekenhuizen kozen voor het ontwikkelen van volledig nieuwe software voor de herkenning van de meest voorkomende en moeilijk te detecteren breuk van het polsgewricht, namelijk die van het scaphoid (het handwortelbeentje aan de duimzijde van de pols). Het missen van deze breuk kan voor patiënten grote impact hebben. Een promovendus van JADS gaat voltijds aan te slag met het ontwikkelen van het algoritme
Complexe materie
Daarnaast wordt door de drie organisaties samen onderzocht wat het antwoord is op de vraagstukken die samenhangen met de implementatie van AI in de dagelijkse praktijk van het ziekenhuis. Denk aan de technische infrastructuur, de inrichting van je organisatie, de kosten en de juridische implicaties.
De raamovereenkomst staat inmiddels op papier, maar volgens Veltman ging daar een lange periode van juridisch overleg aan vooraf. “We hebben de intentie en het vertrouwen om samen te werken. Maar juridisch vastleggen hoe data-uitwisseling van beelden verloopt, het anonimiseren en pseudonimiseren, is enorm complex met drie partijen.”
“Dat we aan het pionieren zijn en dat niemand de oplossing nog heeft gevonden, merk je ook aan de reacties uit het veld. We hebben enorm veel vragen kregen over hoe wij dit aanpakken.”
Masterclass Kunstmatige intelligentie in de zorg: 26 en 27 september 2019
De inschrijving voor de twee-daagse masterclass Kunstmatige intelligentie in de zorg najaar 2019 is geopend. Bekijk de gastdocenten en evaluaties van deelnemers aan de eerdere editie van deze masterclass (beoordeeld met een 8,4 gemiddeld).
wellicht ook interessant
Plaats een Reactie
Meepraten?Draag gerust bij!