Kunstmatige intelligentie (AI) kan veel meer dan alleen teksten schrijven en liedjes maken. Zo kunnen AI-algoritmes getraind worden om in een vroeg stadium kanker te ontdekken. Maar durven we wel blind te vertrouwen op de waarnemingen van een computer die een radioloog niet met het blote oog kan zien?
Het werkt eigenlijk heel simpel: een computer krijgt foto’s van CT-scans te zien. Voor elk plaatje waarop hij bepaalde afwijkingen detecteert, wordt de computer ‘beloond’. Na dit tienduizenden keren te hebben herhaald, heeft de computer geleerd wanneer een mogelijke tumor op de scan te zien is. Hij is zó goed getraind, dat hij er zelfs beter in is dan de mens.
Dit is slechts een van de weinige toepassingen van AI die er op dit moment in de zorg zijn. Maar deze techniek is veelbelovend en kan straks mogelijk veel sneller en nauwkeuriger dan radiologen vaststellen of iemand een kwaadaardige tumor in zijn lichaam heeft. En hoe sneller potentiële kanker wordt ontdekt, hoe beter het vaak te behandelen is.
Deze week werd een nieuwe studie naar zo’n AI-toepassing gepubliceerd in eBioMedicine, de medische tak van het wetenschappelijke tijdschrift The Lancet. De onderzoekers bouwden een AI-algoritme dat in staat is om in een vroeg stadium ‘kankerknobbeltjes’ op longen te detecteren.
“In feite kun je deze techniek voor elke vorm van kanker toepassen”, zegt Mireille Broeders. Zij is als hoogleraar Pesonalized Cancer Screening verbonden aan het Radboudumc. “Dat komt doordat zo’n algoritme informatie uit zo’n beeld weet te halen wat wij als mensen niet kunnen zien.”
Krijg een melding bij nieuwe berichten
AI-onderzoek naar kanker nam vlucht door zelflerende computers
De studie in eBioMedicine is een van de vele onderzoeken die naar AI-toepassingen in de kankerzorg worden gedaan. Volgens Jonas Teuwen loopt Nederland voorop in het onderzoek naar dit soort algoritmen. Teuwen is verbonden aan het Netherlands Cancer Institute van het Antoni van Leeuwenhoek-ziekenhuis in Amsterdam. “In Nederland doen we dit soort projecten op grote schaal”, zegt hij.
Het onderzoek naar AI en kanker bestaat al veel langer, maar is de afgelopen jaren pas echt sterk ontwikkeld, zien Broeders en Teuwen. Broeders: “Op het moment dat deep learning een rol ging spelen, nam het een enorme vlucht.” Deep learning is de techniek die computers in staat stelt om te leren van grote hoeveelheden ruwe data (denk aan het voorbeeld van de CT-scans).
“Het is moeilijk om te zeggen in welke fase we nu zitten, aangezien er regelmatig compleet nieuwe vakgebieden binnen AI bij komen”, zegt Teuwen. “Maar als we naar de screening op borstkanker kijken, zou ik zeggen dat de techniek zo ver is dat we deze kunnen inzetten.”
Radioloog kan informatie krijgen die niet controleerbaar is
Maar zowel Broeders als Teuwen hamert op de noodzaak om goed na te denken over de (ethische) vragen die bij AI komen kijken. Volgens Broeders is het goed mogelijk dat algoritmen veranderingen kunnen detecteren die met het menselijk oog niet waarneembeer zijn. “Dat betekent dat je als radioloog informatie krijgt die je niet kunt controleren.”
“Vertrouwen we zo’n algoritme? Is het oké om op basis van alleen zo’n algoritme een beslissing te nemen?”, vraagt Broeders zich hardop af. Volgens haar zijn er een hoop vragen die we als maatschappij moeten beantwoorden. “Moet een algoritme perfect zijn? Mensenwerk is vaak ook niet perfect, maar bij technologie hebben we toch vaak het idee dat het perfect moet werken.”
Teuwen waarschuwt daarnaast dat de meeste algoritmen nog niet klaar zijn om breed te worden ingezet. De meeste algoritmen zijn namelijk getraind met een afgebakende dataset. “Zo kan je een screeningsalgoritme bouwen op vrouwen uit Nederland. Maar als we het model in de Verenigde Staten willen toepassen, moeten we zorgvuldig kijken of het daar net zo goed werkt.”
Dat is ook het geval met de studie in eBioMedicine. Dat algoritme deed het heel goed in de dataset waarbinnen het ontwikkeld is. Broeders: “Ze hebben het ook uitgeprobeerd in een nieuwe dataset. Daar doet hij het al minder goed, zoals over het algemeen het geval is. Ze geven ook duidelijk aan: dit moet nog verder onderzocht worden.”
‘Eigenlijk wil je die wetenschappelijke onderbouwing wel’
En dan is er nog de wildgroei aan bedrijven die dit soort AI-algoritmen ontwikkelen. “Enerzijds is het mooi dat er zoveel bedrijven zijn die dit doen”, zegt Broeders. “Maar anderzijds is dat ook wel weer lastig. Stel, je bent een radioloog die dit wil toepassen, dan is het op dit moment best moeilijk om te begrijpen welke bedrijven goede algoritmen aanbieden.”
De studie in eBioMedicine is goed uitgevoerd en daarom betrouwbaar, legt Broeders uit. “Maar lang niet voor alle algoritmen bestaan dit soort studies. En eigenlijk wil je die wetenschappelijke onderbouwing wel.”
Er zijn dus nog een hoop vragen te beantwoorden voordat AI-algoritmen daadwerkelijk gebruikt zullen worden in de screening op kanker. Maar Broeders en Teuwen zijn allebei hoopvol over de ontwikkelingen. Teuwen: “De technieken zijn zeer revolutionair en het zorgt dat we zaken kunnen doen die we eerder voor onmogelijk hielden.”
