CAIRElab 1 jaar: Gelukkig zijn we er nog niet

Door: Marjolein Elderhorst, voorzitter kernteam CAIRELab

Een jaar geleden alweer, op 13 februari 2020 lanceerden we het CAIRElab; de LUMC brede organisatie om responsible AI te implementeren en wetenschappelijk onderzocht te krijgen naar toegevoegde waarde in de medische praktijk.

Wat we bij de start niet wisten is dat de insteek van een figuurlijke virtuele LUMC overstijgende organisatie, ook bijna al een jaar lang letterlijk ‘virtueel’ betekent. Met deze opzet hebben we responsible AI weten te organiseren in het LUMC, de eerste roadblocks weten te tackelen, meerdere translationele AI-toepassingen de kliniek in geholpen, ethics by design geïntroduceerd, eerste juridisch hordes aangepakt én wetenschappelijke papers geschreven. En belangrijkste van alles: met plezier en passie bruggen weten te slaan tussen de experts in geneeskunde en die van data science.

Het CAIRElab verbindt de initiatieven en expertises op responsible en translationele AI in het LUMC. Er zijn 6 werkgroepen opgericht (onderwijs, gebruikersparticipatie, data & modelling, wetenschappelijke validatie, implementatie en opschaling) Medische experts van Radiologie tot Interne Geneeskunde, data scientists, verander-experts, juristen, ethici, techneuten en onderzoekers, komen hierin bijeen en delen kennis en expertise, ontwikkelen AI-toolboxen voor andere ontwikkelaars en onderzoekers en delen best practices.

En zijn we er dan? Ik zou zeggen “gelukkig” nog niet. Gelukkig met een knipoog, want natuurlijk weten we dat de toegevoegde waarde van AI in het ziekenhuis tot bloei brengen een uitdaging is, dat tijd en doorzettingsvermogen kost en willen we dat dit sneller gaat. Desalniettemin is het een mooie, leerzame en uitdagende reis, waar we met gedreven en slimme mensen met plezier aan werken en voor mijn gevoel goed op stoom zijn en de juiste dingen doen. Een mooi vooruitzicht om verdere stappen te kunnen zetten.

Speerpunt blijft om de connectie met zorgverleners nog verder uit te breiden en vanuit gebruikers en de medische kennis de juiste AI-toepassing aan te boren, deze zo in de workflow te integreren dat AI echt gebruikt wordt en wat toevoegt.

Daarnaast richten we ons de komende tijd ook op samenwerkingen over de LUMC grenzen heen. Nu we intern elkaar weten te vinden kunnen we van nog meer meerwaarde zijn en impact maken in zorgend Nederland, Internationaal en buiten de muren van het LUMC. Het is belangrijk dat we krachten bundelen, als LUMC alleen komen we er niet en het zou zonde zijn dit niet met elkaar te doen.

Hiervoor breiden we samenwerkingen uit met andere UMCs, Universiteit Leiden en Computer Science faculteit, NeLL, VWS en ECP. En we willen over de landsgrenzen heen samenwerken met toonaangevende buitenlandse universiteiten op het gebied van responsible en translationele AI. We zetten ook in op publiek-private samenwerkingen, waar we met bedrijfsleven kijken hoe gemeenschappelijk versnelling kunnen aanbieden aan AI toepassingen, denk hier bij aan initiatieven zoals we afgelopen jaar als startten met Philips, Pacmed, Healthcare Plus, Google/CTS, Cape AI en anderen.

Hopelijk kunnen we dat komend jaar naast virtueel ook als fysieke organisatie voortzetten!

Blog: Hoe we meer kunnen doen met de anamnese

Door: Martijn Bauer

De anamnese, het gesprek tussen arts en patiënt waarbij duidelijk wordt wat de precieze klachten van de patiënt zijn, vormt de eerste stap op weg naar een diagnose. In de meeste gevallen is een goed afgenomen anamnese zelfs de meest zwaarwegende factor bij het stellen van de diagnose. Op grond van wat een arts al over een patiënt weet (‘een man van 62 jaar oud met suikerziekte die flink rookt’) en de gegevens uit de anamnese (‘sinds een uur een drukkende pijn midden op de borst die naar de linker arm uitstraalt, niet erger wordt bij ademen of eten, en gepaard gaat met misselijkheid, zweten en een angstig gevoel’) maakt de arts een inschatting van wat er aan de hand zou kunnen zijn. Daar volgt vaak een lichamelijk onderzoek op waarvan de bevindingen ook weer invloed hebben op deze inschatting. In dat stadium stopt de diagnostiek soms, als de diagnose duidelijk genoeg is, of er volgt aanvullend onderzoek (laboratoriumonderzoek, beeldvormend onderzoek, functie-onderzoek, etc.) om meer zekerheid te krijgen.

Ondanks het belang van de anamnese voor het stellen van de diagnose is de anamnese nog erg ambachtelijk en heeft deze weinig ontwikkeling doorgemaakt. Artsen leren in de loop van hun carrière steeds beter hoe ze de juiste vragen moeten stellen en hoe zwaar ze welk antwoord ongeveer moeten wegen. Als patiënt ben je dus afhankelijk van de ervaring van de arts en ook van diens vermogen om patronen te herkennen. Daarnaast is van de bevindingen tijdens de anamnese meestal niet bekend welk effect die op de kans op een bepaalde diagnose hebben. Om die reden zou het fijn zijn als we meer weten over de waarde van bevindingen tijdens de anamnese. Het zou helemaal mooi zijn als er in de toekomst diagnostische clinical decision support systems zijn, waarmee de arts ondersteund wordt bij het stellen van een diagnose. Zo’n systeem zou anamnesegegevens mee moeten wegen en de arts een lijstje van diagnoses met bijbehorende waarschijnlijkheden moeten geven. Idealiter suggereert het systeem ook aanvullende vragen die goed kunnen differentiëren tussen verschillende diagnoses.

Het probleem is alleen dat de anamnese een natuurlijk gesprek is (en moet blijven!) tussen arts en patiënt. Tijdens dit gesprek noteert de arts een samenvatting van de bevindingen in het dossier, terwijl hij of zij tegelijkertijd de woorden van de patiënt interpreteert. Die bevindingen staan in vrijetekstvelden en de gegevens zijn dus moeilijk toegankelijk voor wetenschappelijk onderzoek en voor slimme technologie. Er is geen duidelijke standaard voor het noteren van de bevindingen, waardoor artsen op veel verschillende manieren gegevens vastleggen In een recent artikel in het Nederlands Tijdschrift voor Geneeskunde pleiten we daarom voor een standaard voor het noteren van de bevindingen tijdens de anamnese. We pleiten dus niet voor het anders uitvoeren van de anamnese – deze zal nooit de vorm van een invuloefening krijgen en dat is ook niet wenselijk, want daarmee gaat veel waardevolle informatie verloren. Het verkrijgen van gestructureerde gegevens van de anamnese is ook een van de doelen die we beogen met een van de projecten in het LUMC: we ontwikkelen met behulp van AI een webapplicatie, een zogenaamde digital scribe. Deze AI-applicatie luistert mee met het gesprek tussen arts en patiënt, zet spraak om naar tekst en doet een voorstel voor een samenvatting aan de arts. De arts hoeft zo niet meer de hele tijd te typen en kan zich beter focussen op de patiënt en daarnaast kunnen zo gestructureerde gegevens van de anamnese beschikbaar komen. Als het meezit heeft straks elke arts toegang tot slimme technologie die hem of haar ontlast bij de administratie en tegelijkertijd helpt bij het stellen van de juiste diagnose.

Werkbezoek Hare Majesteit Koningin Máxima

Tijdens een online werkbezoek van Koningin Máxima vertelde CAIRELab voorzitter Marjolein Elderhorst hoe CAIRELab de toepassing van AI in de zorg verder vooruitbrengt. Het werkbezoek ging over mensgerichte en verantwoorde kunstmatige intelligentie (AI). 

Een samenvatting van het gesprek is te zien op Vimeo.

NIEUWS – LUMC berekent longschade Covid-19 patiënten met AI software

Zorgprofessionals in het Leids Universitair Medisch Centrum (LUMC) kunnen met behulp van kunstmatige intelligentie (AI) snel en gemakkelijk berekenen of een coronapatiënt ernstige longschade heeft opgelopen. Dit doen ze door een CT-scan door de AI-software van het programma CAD4COVID-CT te halen. De software is ontwikkeld door het bedrijf Thirona en wordt in het LUMC toegepast via Philips Intellispace AI Workflow Suite.

Lees het hele bericht op LUMC.nl.