Het TECH4ALL-initiatief van Huawei heeft tot doel ervoor te zorgen dat niemand achterblijft in de digitale wereld door programma's voor digitale inclusie te stimuleren en de invoering van technologie wereldwijd te bevorderen. Het project is vergelijkbaar met een deel van het werk dat binnen de academische wereld in heel Europa gebeurt, waar onderzoeksprojecten gericht zijn op het inzetten van technologie voor maatschappelijk goed.

Professor van Ginneken, hoogleraar medische beeldanalyse aan het Radboud Universitair Medisch Centrum in Nederland, introduceert gedigitaliseerde oplossingen voor de gezondheidszorg in ontwikkelingslanden en gelooft dat over tien jaar alle afdelingen van de ziekenhuispathologie gedigitaliseerd zullen zijn. Hij sprak met Huawei over het werk dat hij doet...

Wanneer is je werk in de medische beeldvorming begonnen?

Ik studeerde natuurkunde en promoveerde in 1996 op medische beeldanalyse, waarbij ik computerprogramma's ontwikkelde die röntgenfoto's van de borstkas analyseren met behulp van kunstmatige intelligentie (AI). Eind jaren negentig wilden we digitale röntgenapparaten voor de borstkas met AI-software plaatsen in landen waar veel tuberculose voorkwam, omdat dit snellere, meer wijdverbreide screening mogelijk maakt, zonder dat er beelden op film hoeven te worden ontwikkeld. Digitale röntgenapparatuur was toen echter te duur.

In 2012 brak deep learning (zelflerende systemen) door en maakte AI voor medische beelden populairder. Ik verhuisde naar een universiteit in het oosten van Nederland en richtte een groep van 70 onderzoekers op die medische beelden analyseerden. Vijf jaar geleden zijn we begonnen met het digitaliseren van beelden in samenwerking met pathologie-afdelingen. Het probleem is dat deze zeer grote beelden, wanneer ze worden opgeslagen voor medisch gebruik, veel ruimte in beslag nemen. Afdelingen verwijderen daarom al hun beelden na drie maanden - zodat we ze niet kunnen gebruiken voor diepgaand onderzoek. Naarmate opslagsystemen goedkoper worden, zijn we dichter bij het oplossen hiervan. We zullen de komende tien jaar alle pathologieafdelingen gedigitaliseerd zien, daar ben ik zeker van.

Wat heeft de ziekenhuisdigitalisering tot nu toe beperkt?

De gezondheidszorg is conservatief. Nieuwe oplossingen moeten worden bewezen in grote onderzoeken, en er zijn veel nalatenschapprocessen.

Er was een simulatiestudie in Zweden waarbij gebruik werd gemaakt van het nieuwste mammografie AI-systeem. Onderzoekers vergeleken het met traditionele zorgmethoden. Ze vonden dat het AI-systeem net zo goed werkte als de eigen radiologen van een ziekenhuis en zelfs beter presteerde dan sommige. Dus stelden ze voor om een groot percentage van de mammografieën alleen door het AI-systeem af te lezen. Als er een probleem werd vastgesteld, zou het worden gemarkeerd met een consultant die het zou onderzoeken.

De simulatie liet zien dat dit werkt, maar het is niet geïmplementeerd. In plaats daarvan wordt gesteld dat het ziekenhuis een prospectief onderzoek zou moeten doen. Een proef kost al gauw zo'n 10 miljoen euro, dus ze zouden veel geld moeten vinden. Deze proef zou jaren duren. Ik ben er zeker van dat tegen de tijd dat ze de proef hebben afgerond, de AI-software zo ver gevorderd zal zijn dat deze prospectief gevalideerde technologie al achterhaald zal zijn.

Dat is de uitdaging die we hebben. We moeten systemen valideren voordat ze gebruikt kunnen worden, maar dat kost tijd vanwege de regelgeving, en in de tussentijd zijn deze systemen snel aan het verbeteren.

Zou dit de ontwikkelingslanden helpen?

AI is voordelig voor de ontwikkelingslanden omdat er minder nalatenschapprocessen zijn en minder regelgeving. Kijk naar Afrika. Ze hadden nooit een vaste infrastructuur, dus gingen ze direct naar mobiele telefoons. Hetzelfde kan gebeuren met de digitalisering en de implementatie van AI in de gezondheidszorg.

Door de digitalisering zullen de gezondheidszorgfuncties gedecentraliseerd worden, waardoor ze voor meer mensen op meer plaatsen toegankelijk worden. We zien dit in alle Afrikaanse landen, waar draagbare beeldvormingsapparatuur wordt ingezet, en in Oost-Europa, Azië en Zuid-Amerika, waar toonaangevende tuberculose-screeningprogramma's gebruik maken van mobiele testunits, zodat professionals zich kunnen richten op kwetsbare bevolkingsgroepen. In dit opzicht zijn de ontwikkelingslanden toonaangevend bij het invoeren van nieuwe medische technologieën. Tegelijkertijd brengen zij de gezondheidszorg rechtstreeks naar de patiënt, waardoor de kosten voor het opzetten ervan worden verlaagd.

Waar gaat uw bedrijf Thirona over?

In 2014 heb ik samen met Eva van Rikxoort Thirona opgericht. Onze visie is om de kloof te dichten tussen de academische ontwikkelingen op het gebied van medische beeldanalyse en de klinische bruikbaarheidsbehoeften. Deze moeten worden overbrugd door producten te creëren die de nieuwste technologieën bevatten, maar die ook intuïtief zijn voor de gebruiker en de medische specialisten. Vandaag de dag hebben we 30 medewerkers in dienst.

We hebben ook grand-challenge.org opgezet, een platform voor de end-to-end ontwikkeling van oplossingen voor machinaal leren op het gebied van biomedische beeldvorming. Het stelt iedereen in staat om een uitdaging toe te voegen, voor een netwerk van AI- en medische beeldvormingsdeskundigen en -liefhebbers om op te lossen. Het stelt groepen van over de hele wereld in staat om samen te werken aan nieuwe AI-oplossingen.

Hoe ziet de toekomst van de wereldwijde gezondheidszorg er voor u uit?

Dat wordt er een met AI en digitale technologieën als grondslag. De digitalisering zal binnenkort in het hele ziekenhuis plaatsvinden. Persoonlijke handheld technologie zal een grotere rol spelen; in plaats van stethoscopen zullen artsen persoonlijke ultrasone apparaten meenemen. Er worden zelflerende systemen ontwikkeld die op mobiele telefoons draaien, zodat ze direct beelden kunnen scannen en analyseren, waardoor artsen meer controle hebben en patiënten meer directe feedback krijgen.

We zullen een wereldwijd zorgmodel zien ontwikkelen naarmate de geografische grenzen kleiner worden. In plaats van elk beeld te laten analyseren in hetzelfde ziekenhuis waar het is genomen, kunnen we beelden naar de toonaangevende deskundigen op dat gebied sturen, waar ze zich ook bevinden. Het zorgt voor een efficiënter systeem dat voordelen oplevert voor iedereen, met name voor degenen in ontwikkelingslanden die een nieuw niveau van toegang tot de gezondheidszorg krijgen. Dat is de toekomst waar ik aan werk.

Professor van Ginneken en Huawei blijven samenwerken en werken samen met technologie ten behoeve van de gezondheidszorg. Huawei onderzoekt ook hoe haar eigen technologische oplossingen de projecten van professor van Ginneken kunnen ondersteunen.

Voor meer informatie over Thirona, bezoek https://thirona.eu/.