We vertrouwen al op kunstmatige intelligentie voor alledaagse taken zoals het opstellen van e-mails of het boeken van vluchten. Maar de echte verschuiving vindt plaats in de geneeskunde. AI is hier niet alleen maar een modewoord. Het helpt artsen actief om zeldzame ziekten en kankers eerder dan ooit tevoren op te sporen.
De vraag is niet echt of AI erbij betrokken zal zijn. Het gaat erom hoe betrouwbaar het is en hoe het daadwerkelijk ontdekt wat mensen misschien missen.
Het probleem met menselijke ogen
Wanneer artsen erachter komen wat er met u aan de hand is, gebruiken ze een mix van methoden. Er zijn symptoomrapporten. Bloedonderzoek. Lichamelijke examens. En beeldvorming. Röntgenstralen. Echo’s. CT-scans. MRI’s. Deze hulpmiddelen laten zien of organen beschadigd zijn of dat er een tumor aanwezig is.
Het werkt goed. Totdat dat niet het geval is.
De structuren in deze scans zijn complex. Gespannen. Gelaagd. Zelfs ervaren radiologen kunnen tumoren in een vroeg stadium over het hoofd zien. Ze kunnen een goedaardige verandering ook aanzien voor kanker. Het gebeurt ook met weefselmonsters. De menselijke aandacht wankelt. Vermoeidheid slaat toe.
Voer AI in medische diagnose in.
In vroege tests hebben AI-systemen bewezen dat ze na de juiste training pathologische veranderingen kunnen identificeren. Ze knipperen niet. Ze worden niet moe. Ze verwerken het gewoon.
Meer zien in mammografieën
De detectie van borstkanker is sterk afhankelijk van mammografiebeelden. Radiologen scannen op afwijkingen in het borstweefsel. Maar dicht borstweefsel maakt dit moeilijk. Kleine borden zijn gemakkelijk over het hoofd te zien.
Onderzoekers van de Universiteit van Lund in Zweden hebben een KI-Modell für Brustkrebs (AI-model voor borstkanker) ontwikkeld om hierbij te helpen. Ze raadden het niet alleen. Ze hebben getest.
Ze namen mammografieën van 80.000 vrouwen met een hoog risico. Sommige werden geanalyseerd door de AI. Anderen door radiologen.
De resultaten waren grimmig. Het AI-model ontdekte 20% meer borsttumoren dan de artsen. Het foutenpercentage voor valse positieven was hetzelfde. Maar het vroegtijdig vinden van meer kanker redt levens.
Risicojaren van tevoren voorspellen
Een diagnose is slechts het halve werk. Preventie is ook belangrijk. Een model genaamd Mirai helpt artsen en patiënten individuele risico’s te begrijpen. Het gaat verder dan alleen kijken naar actuele beelden.
Mirai voorspelt het toekomstige risico op het ontwikkelen van borstkanker. Het kijkt naar:
- Bekende risicofactoren
- Leeftijd
- Familiegeschiedenis
- Visuele markeringen in weefsel
Het vertelt u hoe dat risico in de loop van de tijd verandert. Hier is de vangst. De onderzoekers begrijpen zelf niet helemaal hoe Mirai tot haar conclusies komt.
“We weten hoe deep learning werkt en hoe het model leert”, zegt Krzysztof Geras van de New York University. “Wat we niet begrijpen is precies waar het model naar op zoek is in de gegevens. Het leert waarschijnlijk van visuele markeringen die mensen niet kennen.”
Het ziet patronen die we niet kunnen benoemen. Dat is krachtig. En enigszins verontrustend.
Het onzichtbare ontdekken in zeldzame ziekten
Krebs erkennen (kanker herkennen) is één ding. Het vinden van zeldzame ziekten is een andere. Het maag- en darmkanaal zijn lastig.
Een team van Ludwig-Maximilians-Universität München, de Technische Universiteit van Berlijn en de Charité ontwikkelde een nieuwe AI-aanpak. Ze analyseerden gezond weefsel en veel voorkomende bevindingen zoals chronische gastritis. Vervolgens zochten ze naar afwijkingen.
Deze afwijkingen wezen op zeldzame gastro-intestinale ziekten.
Dit is waarom dit ertoe doet. Meestal heeft AI enorme hoeveelheden data nodig om te kunnen leren. Je voedt het met voorbeelden. Het vindt patronen. Het past ze toe.
Er zijn niet genoeg voorbeelden van zeldzame ziekten. Er is niet genoeg materiaal om een standaard AI effectief te trainen. De nauwkeurigheid neemt af. Het model faalt.
Dit nieuwe model had geen expliciete training nodig voor elke zeldzame pathologie. Het leidde de afwijkingen af van de gemeenschappelijke basislijn.
“We hebben verschillende technische benaderingen vergeleken”, zegt Klaus-Robert Müller van de Technische Universiteit van Berlijn. “Ons beste model herkende een breed spectrum van zeldzamere pathologieën van de maag en darmen, waaronder zeldzame primaire of gemetastaseerde kankers, met hoge betrouwbaarheid. Voor zover wij weten, kan geen enkel ander gepubliceerd AI-hulpmiddel dit doen.”
De vertrouwenskloof
AI biedt snelheid. Het biedt schaal. Het biedt detectiepercentages die mensen eenvoudigweg niet consistent kunnen evenaren.
Maar we hebben te maken met zwarte dozen. Modellen als Mirai vinden patronen die voor ons onzichtbaar zijn. Wij vertrouwen op de output omdat de resultaten goed zijn. Maar we begrijpen het ‘waarom’ niet volledig.
Is dat een probleem? Misschien.
Artsen gebruiken deze hulpmiddelen al als assistenten. Tweede meningen. Veiligheidsnetten. De technologie is er. Het is nauwkeurig. Het breidt zich uit naar gebieden waarvan we dachten dat ze te niche waren voor automatisering.
De volgende stap zijn niet alleen betere algoritmen. Het is begrijpen wat ze zien. En beslissen of we er klaar voor zijn om hen de leiding te laten nemen.
