AI-toepassing. Foto van arts Erik Ranschaert, die een breuk beoordeelt op een röntgenfoto
Prof. dr. Erik Ranschaert beoordeelt een breuk op een röntgenfoto | ETZ Fotografie & Film/Maria van der Heyden

Heeft de patiënt een botbreuk? Voor het beantwoorden van deze vraag worden dagelijks in het Elisabeth-TweeSteden Ziekenhuis (ETZ) circa honderd röntgenfoto’s gemaakt. De Tilburgse radiologen maken nu – als proef – gebruik van AI-toepassing voor het stellen van de juiste diagnose.

De kunstmatige intelligentie-toepassing heet BoneView. “We zijn het eerste ziekenhuis dat gebruik maakt van dit algoritme”, vertelt radioloog prof. dr. Erik Ranschaert. Vóór de ingebruikname in het ETZ heeft Ranschaert samen met zijn collega’s de AI-toepassing getest op een selectie van 600 recente röntgenfoto’s. Die hebben ze vervolgens door BoneView laten analyseren.

Resultaten

De testuitkomst van de BoneView-analyses was positief. Ranschaert: “BoneView bleek in staat is om fracturen te vinden die de specialisten met het blote oog niet zagen. Bij de test ‘ontdekte’ BoneView 7 niet eerder opgemerkte breuken. Ranschaert: “Als je dat doorrekent naar een heel jaar kunnen met BoneView 360 tot 370 gemiste fracturen worden vermeden. Dat is toch een aanzienlijk aantal.”

Ranschaert noemt het echter vooralsnog een utopie dat BoneView de beoordeling door de radioloog volledig over kan nemen. “BoneView miste namelijk bij de test 3 bewezen breuken. Maar over het algemeen zijn de resultaten positief en dat betekent dat we BoneView vanaf nu op grotere schaal gaan testen.” Niet alleen de radiologen maken zich vertrouwd met BoneView, maar ook laboranten, spoedartsen, chirurgen en orthopeden.

Werking van BoneView

De röntgenfoto wordt gemaakt en automatisch doorgestuurd naar een server, waarop het algoritme is geïnstalleerd. De software beoordeelt de foto. Die analyse bevat dan één van de volgende uitkomsten: fractuur, géén fractuur of twijfel. Bij verreweg de meeste boordelingen is het algoritme zeker van een fractuur. In dat geval toont de software met een vaste lijn op de foto aan waar de fractuur zich bevindt. Als BoneView twijfelt, wordt dat door de software met een stippellijn op de foto gemarkeerd.

Beoordeling door de arts

“Bij zo’n twijfelgeval moet de specialist zelf nog controleren of er bij dat stippellijntje wel of niet sprake is van een fractuur”, verklaart Ranschaert. “In elk geval moet de radioloog altijd het definitieve verslag maken, dat betekent dat alle foto’s worden nagekeken. Door de proef moeten de radiologen, röntgenlaboranten en alle andere artsen meer ervaring krijgen met de betrouwbaarheid van het algoritme.”
Het algoritme werkt snel; in minder dan drie minuten beoordeelt BoneView een foto. Op het moment dat de specialist de foto onder ogen krijgt, heeft BoneView de analyse al gedaan.

Hoofddoel

De proef in het ETZ duurt drie maanden. Ranschaert benadrukt nogmaals dat de AI-toepassing de specialisten niet vervangt. “Hoofddoel is om fracturen uit te sluiten. BoneView biedt de specialist een extra paar ogen dat heel secuur de klok rond werkt. Het zorgt voor nuttige ondersteuning. De uiteindelijke beoordeling van de röntgenfoto’s blijft een belangrijke taak van de specialist, die blijft eindverantwoordelijk. De patiëntveiligheid is in alle opzichten geborgd.”

Tijdens de proef onderzoeken afstudeeerders van Fontys Paramedische Hogeschool Eindhoven de invloed van AI op het werkproces van röntgenlaboranten. De zes vierdejaars studenten hebben elk hun eigen onderzoeksvraag. Hun evaluaties vormen samen het afstudeerproject ‘Implementatie van AI – pilot BoneView – op de afdeling Radiologie’.

Eindgebruikersgroep

BoneView is één van de initiatieven in het ETZ op het gebied van AI. Het ETZ zet AI in als doelmatige innovatie die leidt tot kwaliteitsverbetering van de zorg. Tegelijkertijd moet AI ook bijdragen aan betaalbare, duurzame zorg. In het ETZ is een ‘eindgebruikersgroep AI’ actief. Deze groep heeft als belangrijkste taken: ondersteunen van zorgverleners die een idee hebben voor een AI-toepassing, toetsing van alle voorgestelde AI-projecten, opbouwen en vastleggen van kennis en expertise op AI-gebied, zorgdragen voor de vereisten van een ingerichte AI-infrastructuur, kennismanagement omtrent AI binnen en buiten het ETZ, inspireren van medewerkers en het actief betrekken van externe samenwerkingspartijen.