Hoe breng je AI-gegeneerde behandelplannen voor borstkanker naar de praktijk?
Laboranten en radiotherapeuten zijn veel tijd kwijt aan voorbereiding van een bestraling bij een patiënt met borstkanker. Zo moeten zij bijvoorbeeld het doelgebied van de bestraling en omliggende organen intekenen. Inmiddels zijn er al computermodellen die dat óók kunnen. Maar hoe gebruik je die in de dagelijkse praktijk? Daar doet Niels van Acht wetenschappelijk onderzoek naar, mede gesteund door het Catharina Onderzoeksfonds. “Uiteindelijk moet de wachttijd voor patiënten tussen scan en start van de behandeling korter worden. Essentieel om in de toekomst voor iedereen goede zorg te kunnen leveren.”
Borstkanker is met ruim 15.000 nieuwe patiënten per jaar de meest voorkomende vorm van kanker in Nederland. Wereldwijd staat de ziekte op plek twee, na longkanker. Borstkankerpatiënten krijgen in zestig procent van de gevallen bestraling en dat aantal groeit nog altijd.
Van al die patiënten moeten laboranten en radiotherapeuten het doelgebied in kaart brengen. Op basis daarvan wordt de bestralingsdosis berekend. Organen moeten daarbij uiteraard zoveel mogelijk worden gespaard. “Dat wordt nu allemaal handmatig gedaan aan de hand van een CT-scan. Dat komt heel precies, kost veel tijd en de kwaliteit is afhankelijk van kennis en ervaring”, zegt Van Acht, PhD-student aan de TU/e en werkzaam in het Catharina Ziekenhuis.
Inzetten in de praktijk:
Dat moet anders kunnen, menen de onderzoekers die betrokken zijn bij dit project, genaamd Ratified. “De afgelopen jaren is er aan modellen gewerkt die bestralingsgebieden voor borstkankerpatiënten kunnen herkennen in intekenen. Dat model gaan we in deze studie naar de klinische praktijk brengen. En daar komt veel bij kijken”, zegt Van Acht.
“Er zijn volop studies geweest naar het ontwikkelen van AI in de gezondheidszorg, maar op brede schaal uitrollen naar de praktijk is nog vrij nieuw. Dat AI sneller en net zo secuur kan werken als een laborant weten we uit eerdere onderzoeken. Nu willen we het op een goede en gestructureerde manier gaan inzetten.”
Dat AI sneller en net zo secuur kan werken als een laborant weten we uit eerdere onderzoeken. Nu willen we het op een goede en gestructureerde manier gaan inzetten.
AI efficiënt gebruiken:
Daar ligt nog een flinke klus. “De eerste praktijkervaringen over het werken met computergestuurde modellen in het Catharina ziekenhuis worden nu onderzocht. Daarnaast zijn er nog weinig wetenschappelijke implementatiestudies gedaan over het effectief en efficiënt gebruiken van AI op de werkvloer. We komen ongetwijfeld nog voor uitdagingen te staan. Denk aan ethische kwesties en aan wetgeving rond AI, die nog in de kinderschoenen staat. Dat soort problemen gaan we aanpakken en oplossen in dit onderzoek.
De onderzoekers werken daarbij nauw samen met RaySearch. Een Zweeds bedrijf dat de programma’s bouwt waarmee artsen moeten gaan werken. “Wij zijn de brug tussen de artsen en ontwikkelaar. Wat is er nodig om optimaal te kunnen werken? Waar willen ze veranderingen zien, wat willen ze precies? Door het beantwoorden van die vragen gaan we een systeem ontwikkelen dat uiteindelijk op grote schaal veilig gebruikt kan gaan worden en zo willen we een voorbeeld zijn voor andere ziekenhuizen die AI op de werkvloer gaan gebruiken.”
We willen een voorbeeld zijn voor andere ziekenhuizen die AI op de werkvloer gaan gebruiken.
Als dat achter de rug is, wil dat niet zeggen dat het werk van Van Acht klaar is. In tegendeel. De systemen waarmee de artsen werken moeten steeds verder worden verbeterd. “Uiteindelijk moet dit bij veel meer behandelingen de standaard worden, dan alleen bij borstkanker”, schetst Van Acht, die met zijn onderzoek er vooral aan wil bijdragen dat patiënten minder lang hoeven te wachten tussen de scan en de start van een behandeling. “Ik ben ervan overtuigd dat dat veel sneller moet kunnen.”
Niels van Acht – Van Assendelft Fotografie.
Bron: www.catharinaziekenhuis.nl