Informaticus Hugo Kuijf probeert met kunstmatige intelligentie bij de afdeling radiologie van het UMC Utrecht de kwaliteit te verbeteren en het aantal fouten te verkleinen. Hij doet dat soms op een wat onalledaagse manier, bijvoorbeeld met een wedstrijd onder vakgenoten.
Met behulp van een wedstrijd zoeken naar oplossingen in de behandelkamer. In het geval van Hugo Kuijf is dat niet een heel vreemde gedachte. Tijdens zijn studie leek Kuijf klaargestoomd te worden voor de wereld van de PlayStation en de Xbox. ‘Ik heb informatica en gametechnologie gestudeerd’, zegt hij. ‘Ik was vooral geïnteresseerd in de techniek achter de spelletjes en een van de vakken die ik volgde was beeldanalyse. Een docent liet ons allemaal plaatjes zien van hersenscans, beschadigde knieën en organen als de longen en de lever. Eigenlijk vond ik dat veel interessanter dan die spelletjes. Mijn stages deed ik vervolgens in twee ziekenhuizen. Hier in Utrecht ben ik blijven hangen.’
U werkt in het Universitair Medisch Centrum Utrecht, maar u ziet geen enkele patiënt.
‘Ik doe onder meer onderzoek naar het automatisch analyseren van hersenscans met behulp van kunstmatige intelligentie en big data. Ik schrijf de software en houd me bezig met de achterliggende technieken. Concreet komt het erop neer dat een radioloog, die de scans beoordeelt, metingen makkelijker en beter wil laten verlopen. Ik probeer programma’s te schrijven waarmee aan die wensen kan worden voldaan.’
Hoe gaat het in zijn werk?
‘Er komt iemand met geheugenklachten op de neurologie-poli. De klachten zouden kunnen duiden op dementie of alzheimer. De neuroloog doet tests met de patiënt en laat een MRI-scan maken. Die scan wordt gelezen door de radioloog. Voor hem of haar ontwikkel ik software om het werk te vergemakkelijken. Op basis van de verzamelde data kan de neuroloog vervolgens verder met de behandeling.’
In hoeverre wordt er nu al gebruik gemaakt van kunstmatige intelligentie (AI) in de behandelkamer?
‘Dat gebeurt op allerlei manieren. De hartslagmonitor die gaat piepen als er wat misgaat, kent bijna iedereen. Maar we maken ook gebruik van computeralgoritmes bij het beoordelen en verbeteren van MRI- en CT-scans. Om ze scherper te krijgen en om geautomatiseerd metingen te verrichten. Ook worden computertechnieken
ingezet om bloedvaten te volgen. Voorheen gebeurde dit met het blote oog, nu worden die semiautomatisch uitgevoerd.’
Met uw collega’s in Utrecht en ver daarbuiten zoekt u voortdurend naar nieuwe programma’s, algoritmes en toepassingen. Om die reden heeft u een wedstrijd uitgeschreven.
‘In de literatuur, op internet en elders verschijnen bijna dagelijks nieuwe AI-technieken met programma’s voor bepaalde toepassingen. Door het enorme aanbod enerzijds en door een gebrek aan eenduidige richtlijnen voor kwaliteit anderzijds zie je door de bomen het bos niet meer. Ik kan een blog lezen van een collega uit Amerika waarin hij wild enthousiast schrijft over een bepaalde techniek. Ik vraag me dan meteen af of dat bij ons ook zal werken.
Zo is het idee ontstaan om een wedstrijd te organiseren waarbij wordt gewerkt met data die wij op internet beschikbaar stellen. Alle universiteiten ter wereld worden vervolgens uitgenodigd met hun computertechnieken met die data aan de slag te gaan.’
En dan?
‘We hebben zo’n wedstrijd twee keer eerder gedaan en de vorige keer kreeg ik van meer dan dertig verschillende ziekenhuizen en bedrijven oplossingen. Deze evalueerde ik met een geheime set scans, vervolgens maakte ik een ranking en zo kreeg ik dus inzicht wat goed en minder goed werkte. Doordat het een gestandaardiseerde omgeving is, zie je automatisch wat de beste methode is.’
Kunt u een concreet voorbeeld geven?
‘Drie jaar geleden waren we geïnteresseerd in zogeheten wittestofafwijkingen in de hersenen, die je krijgt als je ouder wordt. Als je er te veel van hebt of ze zitten op rare plekken, kan dat duiden op een probleem.
Op internet circuleren heel veel methoden waarvan men beweert dat ze wittestofafwijkingen kunnen meten. Een van onze neurologen was daarin geïnteresseerd.Ik had zelf een tool kunnen bouwen, maar bedacht toen dat een andere universiteit misschien hier al iets voor gevonden kon hebben.
Ik heb toen data verzameld van drie ziekenhuizen: UMC Utrecht, VU Amsterdam en National University Health System in Singapore. Die hebben we bij elkaar gepoold en een derde van de data hebben we op internet gezet. Twee derde hebben we achtergehouden. Vervolgens heb ik een oproep gedaan onder collega’s overal ter wereld, ze het probleem uitgelegd en ze om een oplossing gevraagd. Ik vroeg hen niet alleen het volume van de wittestofafwijkingen te meten maar ook naar de locatie te kijken. Uiteindelijk hebben 35 universiteiten en andere instellingen meegedaan en op een congres hebben we alle kennis gedeeld en de beste methode
bekendgemaakt.’
Dat is ook erg van deze tijd. Niet meer de resultaten voor jezelf houden, maar alles delen.
‘Sharing is caring. Ik ben erg van het delen van de broncode en ben voorstander van open access publishing. De jonge generatie wetenschappers zijn sowieso open, met elkaar verbonden en delen gemakkelijk.’
Wat merkt de patiënt hier uiteindelijk van?
‘Bij ons gaat het om beter meten en foutreductie in de radiologie. Volgens de literatuur gaat er in 3 tot 5 procent van de gevallen wat mis, overigens vaak zonder ernstige gevolgen. Bijvoorbeeld doordat er steeds meer data is en op lastige locaties soms iets over het hoofd wordt gezien. Door deze ontwikkelingen is de kans op fouten kleiner, kan hersenschade worden gemeten in maat en getal en krijgen radiologen een grotere zekerheid bij diagnoses of het uitsluiten van een aandoening. Dat komt uiteindelijk ook de patiënt ten goede.’
Dit artikel verscheen eerder in Het Parool.
