ict | tekst • Betty Rombout Jeroen Bosch Ziekenhuis zet stappen in artificial intelligence FMT Gezondheidszorg gaat in gesprek met Tijs Samson, klinisch informaticus in het Jeroen Bosch Ziekenhuis (JBZ). We praten met hem over het sluitstuk van zijn tweejarige opleiding tot klinisch informaticus aan de TU/e: ontwerp van proces en infrastructuur voor het ontsluiten van data ten behoeve van artificial intelligence (AI)ontwikkeling met medische beelden in het JBZ. Tijs Samson A I is een wetenschapsgebied dat tracht menselijke intelligentie, zoals lerend vermogen en patroonherkenning, na te bootsen en te overtreffen met computers. Binnen de zorg maakt AI snelle en accurate diagnoses mogelijk en faciliteert afstemming van deze zorg op het individu. Het kan daarmee een antwoord zijn op maatschappelijke problemen als stijgende wachtlijsten, krapte op de arbeidsmarkt en oplopende zorgkosten, maar AI kan vooral ook ingezet worden voor kwaliteitsverbetering. Het JBZ zet sterk in op AI, waaronder deep learning, als essentieel onderdeel van de toekomstige zorg. Projecten Radiologie In 2018 startte het JBZ met een AI-programma, initieel gefocust op het vakgebied radiologie. Tien procent van de innovatiecapaciteit van het ziekenhuis is hiervoor beschikbaar. Voor de projecten binnen het programma is het JBZ een samenwerking aangegaan met de Diagnostic Image Analysis Group (DIAG) van het Radboudumc en de Jheronimus Academy of Data Science (JADS). Tijs Samson: "Eén project betreft het detecteren van een botbreuk in de pols. Een breuk die vaak gemist of overbehandeld wordt. De onderzoeker in het project heeft een algoritme ontwikkeld dat dit botje en een eventuele breuk kan herkennen. De eerste resultaten van het onderzoek liggen nu ter review bij een vakblad voor publicatie." 14 FMT | December 2020 Het detecteren van een longmodule is een ander project; een verbetering van een algoritme waar het Radboudumc al mee bezig was. Samson: "We vervolgen dit project nu met behulp van andere, ónze data. Wij zijn een interessante partner, omdat we meer van dit soort reguliere beelden ter beschikking hebben dan een universitair centrum dat zich vooral richt op de meer specialistische gevallen." Genoemde beelden en gegevens dienen uit het PACS (Picture Archiving and Communication System) en EPD te komen. En dat is lastig. Tijs Samson: "We hebben er honderdduizenden. Hoe doen we dit? Daar was nog niets voor. Los van het feit dat de beelden (en gegevens) moeten voldoen aan wet- en regelgeving. Het was mijn taak om dit op te pakken; hoe krijgen we die beelden bij de onderzoeker, zodat hij of zij ze kan gebruiken voor de ontwikkeling van een AI-model." Van PACS naar AI-model Over dit laatste project vervolgt Samson: "De beelden zitten dus in het PACS. Het radiologisch verslag in het EPD. We wilden beiden koppelen en de data bovendien geanonimiseerd aanleveren bij de onderzoeker. Inmiddels is deze fase van het project afgerond. Wij zijn nu in staat om grote hoeveelheden data te ontsluiten, gebruikmakend van hoofdzakelijk open source software. Het zal niet de eindoplossing zijn. In de toekomst hopen we dat PACS-leveranciers dergelijke functionaliteit in hun applicaties opnemen."
15 Online Touch Home