Ziekenhuiszorg verbeteren met AI: vier voorbeelden

Willem Herter
Pieter Verbeek
Pieter Verbeek
02 november 2021
4 min

AI kan de ziekenhuiszorg verbeteren. Vaak wordt de techniek aangeboden door de startups. Maar is die gemakkelijk op te schalen? Op Zorg & ICT laten investeerders Douwe Jippes van Healthy Capital en Sterre Witteveen van Holland Capital vier veelbelovende AI-voorbeelden in ziekenhuizen aan het woord.

Quantib timmert behoorlijk aan de weg met haar AI-oplossingen. De organisatie begon in 2012 als spin-off van het Erasmus MC en ontwikkelde software die in medische beelden zoekt naar biomarkers. Met behulp van geavanceerde machine learning technieken kunnen de Quantib-producten sneller weefselveranderingen detecteren dan met het blote oog mogelijk is. Zo kunnen radiologen en neurologen sneller een diagnose stellen van een ziekte, en de progressie ervan monitoren.

Nadat het Rotterdamse bedrijf vooral was gericht op hersendiagnoses, en het detecteren en volgen van neurologische aandoeningen zoals bijvoorbeeld Parkinson, Multiple Sclerosis en Alzheimer, is de nieuwste oplossing gericht op prostaatkanker. Het nieuwste product helpt radiologen sneller tumoren te zien in de prostaat via MRI Scans. “Een op de acht tumoren wordt niet gevonden met behulp van biopten, vertelt marketing director Ory Six. “Het toevoegen van een MRI scan aan het diagnoseproces kan dit aantal omlaag halen. Het verslaan van zo’n  prostaat-MRI is echter weggelegd voor experts. Ons product ondersteunt  beginnende radiologen bij het lezen van prostaat-MRI’s.”

Naast de Biomedical Imaging Group Rotterdam (BIGR) van het Erasmus MC heeft Quantib sterke partnerships opgebouwd met industriespelers, zoals GE Healthcare, Philips en Intrasense voor onderzoek, ontwikkeling en distributie van haar producten. Inmiddels heeft het bedrijf 7 miljoen euro aan funding opgehaald en is werkzaam in Europa en de Verenigde Staten.

Delen van content

Het geheim van het succes? Delen van content. Six: “Vier jaar geleden keken radiologen nog heel erg de kat uit de boom als het ging om AI. Er heerste nog een gezonde dosis scepsis. Hoe krijgen we ze enthousiast en geven we ze het gevoel volledig in controle te zijn? Daarvoor hebben we heel veel content gemaakt over onze oplossingen, zoals blogs en online guides over AI en wat de voordelen ervan zijn. Zo hebben we het minder eng gemaakt. Ook zijn we social media gaan inzetten om artsen en radiologen te vinden.”

Natuurlijk ben je er nog niet alleen met het delen van kennis, vult ze aan. Daarom heeft Quantib vooraf de doelgroep benaderd om te toetsen wat zij van de oplossing vinden en zich gericht op het opstarten van wetenschappelijk onderzoek. Ook is social proof belangrijk, stelt ze. “Als collega-radiologen enthousiast zijn, ben je eerder geneigd het ook te gebruiken.”

Longkanker detecteren

In het Noordwest Ziekenhuis in Den Helder zijn Agfa en Aidence een succesvolle samenwerking aangegaan met de radiologen daar. Startup Aidence ontwikkelde een AI-oplossing om in een vroeg stadium longkanker te kunnen detecteren. Wanneer bijvoorbeeld op een thoraxfoto bij een patiënt een vlekje te zien is, kan er een jaar later weer een röntgen worden gemaakt. Dankzij AI zijn dan razendsnel de beelden met elkaar te vergelijken. Er is zo heel nauwkeurig te berekenen in hoeverre het vlekje is gegroeid. Doordat ze vanaf het begin de radiologen erbij betrokken en zo te weten kwamen waar zij behoefte aan hadden was het zo succesvol, vertelt John Emmerik van Agfa. Het is het geheim van de succesvolle implementatie, stelt ook Joris Wakkie van Aidence. “Door twee werelden in dialoog verder te brengen hebben dit bereikt. Betrek altijd de juiste partners bij je zoektocht.”

Intensive care

Een derde geslaagde voorbeeld van kunstmatige intelligentie in ziekenhuizen is Pacmed. Willem Herter (foto) vertelt over over hoe dit bedrijf zes jaar geleden begon als idee bij de Nationale Denktank en nu de ambitie heeft om beslissingen op de intensive care in heel Europa gaan verbeteren. “Het huidige zorgmodel staat onder de druk, zowel qua vraag als complexiteit. Ook de capaciteit is niet voldoende. We leren heel langzaam en weinig wat er gebeurt bij patiënten. Daarom willen wij machine learning inzetten op ic. Er valt veel te leren.”

Door geavanceerde data-analyse toe te passen op grote hoeveelheden zorgdata wil Pacmed de artsen helpen. De software van het bedrijf herkent patronen die gebaseerd zijn op heel veel verschillende factoren tegelijk. “Daarmee willen we er uiteindelijk voor zorgen dat patiënten sneller en gezonder de ic weer verlaten en uiteindelijk het aantal opnames verminderen en de ligduur van patiënten verkorten.”

Digitale biomarkers

Bart Seegers vertelt over hoe Orikami met het gebruik van digitale biomarkers proactiever patiënten wil helpen. Orikami ontwikkelt daarvoor medisch gevalideerde AI-software waarmee artsen continu patiënten kunnen monitoren op afstand. “Daaruit kun je datapatronen herkennen die inzichten opleveren voor het aanbieden van medische behandelingen op maat.” Seegers noemt als voorbeeld looptesten bij MS- of Parkinson patiënten die ze ook thuis kunnen doen. de data worden gedeeld via mobiele telefoons. “Door ze te koppelen aan een ziektebeeld krijg je echte waardes.”

Met die data kunnen medisch specialisten bijvoorbeeld effectiever medicatie inzetten bij patiënten, zodat de behandeling ook verbetert. Dankzij de data kan volgens Seegers ook de zorg goedkoper omdat er minder kostbare behandelingen worden verspild.

Lees ook:
Pieter Jeekel: ‘Artificial intelligence blijft mensenwerk’

Uitgelicht

Persberichten

Plaats zelf je persbericht

Lees meer
Pieter Verbeek
Pieter Verbeek

Gerelateerde artikelen