AI in medische beeldvorming: van proof-of-concept tot dagelijkse dienstverlening in de radiologie

Ondanks de aanzienlijke hoeveelheid onderzoek op het gebied van AI voor medische beeldvormingstoepassingen, is de adoptie van deze nieuwe instrumenten in de radiologische praktijk beperkt en zijn de potentiële voordelen voor de patiënten daarom nog niet bereikt of bewezen. Dit project zal unieke oplossingen bieden om AI succesvol te integreren in de radiologische praktijk. In ons project zullen we vertrekken van radiologie-gedreven aanvragen, kandidaat AI algoritmes zoeken of ontwikkelen en gestandaardiseerde, generische procedures uitwerken tot de succesvolle, veilige implementatie van de nieuwe tools. Dit is een meerfasig project dat start met ethische, General Data Protection Regulation (GDPR) en Medical Device Regulation (MDR) goedgekeurde algoritme-ontwikkeling en maximaal geautomatiseerd testen met geoptimaliseerde databases en, indien nodig, verdere iteraties met aanpassingen door het medische team. De volgende fase is de integratie in de routine workflow, van de geautomatiseerde en gecontroleerde selectie van de juiste beeldseries tot het patiënt-specifieke gebruik van de resultaten in een eerste voorstel gestructureerd rapport. De waarde van de software moet worden uitgedrukt in termen van levenskwaliteit (patiënten) of van een efficiënter gebruik van de middelen (personeel en apparatuur). Toepassingen die op ziekenhuisschaal worden toegepast, kunnen big data genereren die, indien goed beheerd, kunnen worden gebruikt voor bevolkingsstatistieken om mogelijks nieuwe pathologische aandoeningen in een vroeg stadium te kunnen gaan voorspellen. Parallel met dit project moet het veilige en optimale gebruik van de instrumenten worden gecontroleerd met een testprotocol dat is geïnspireerd op medisch-fysische tests, aangezien medisch-fysici de wettelijke taak hebben om toestellen en ook software goed te keuren die een invloed kunnen hebben op de kwaliteit van medische beelden. In een eerste casestudie zullen wij ons richten op de radiologische vraag naar niersegmentatie, eerst voor de eenvoudigere toestand van normale nieren en daarna voor de bijzondere situatie van patiënten die lijden aan nierkanker en aan Autosomaal Dominante Polycysteuze Nierziekte. De AI software moet beginnen met toepassingen op geselecteerde (pretransplantatie nier) patiënten tot het aanleggen van een grote databank van normalen die kunnen worden gebruikt voor het opsporen van uitbijters. Een tweede case studie zou een ander type AI algoritme kunnen uitwerken, zoals bv het AI gebaseerd prioriteren van het nazicht van de radiologische onderzoeken. Om dit project tot een succes te maken is nieuw onderzoek op PhD-niveau nodig om de juridische, GDPR- en MDR-instellingen te begrijpen, er moeten nieuwe klinisch aanvaardbare testmethoden voor de ontwikkeling en goedkeuring van AI-algoritmen worden ontwikkeld en er moeten nieuwe databasestructuren met hun grootschalige zoekalgoritmen worden uitgewerkt. Het slotdocument toont de gezondheidswinst voor de patiënten en bespreekt hoe dit proces kan worden gestroomlijnd voor de veilige invoering van meer AI-algoritmen.