AI-onderzoek vormt de basis voor medische toepassingen van morgen

Artificiële intelligentie (AI) lijkt één van de meest besproken maar minst begrepen technologieën van dit ogenblik. Vaak levert AI substantiële vragen op zoals: waarom is AI noodzakelijk in ons leven? Welke positieve bijdrage kan AI brengen in onze samenleving en onze economie? Vormt AI een meerwaarde of een bedreiging? Wat kunnen we concreet verwachten van AI in de komende jaren? Welke impact zal AI op ons dagelijks leven hebben? Om deze en andere vragen te beantwoorden, vertelt Sabine Demey, programmadirecteur van het Vlaams AI-Onderzoeksprogramma, over de opstart van het AI-onderzoeksprogramma en de resultaten tot nu toe.

Het Vlaams AI-Onderzoeksprogramma is een initiatief van de Vlaamse overheid, met name het Departement Economie, Wetenschap en Innovatie (EWI). Binnen het programma is een unieke, intensieve samenwerking aangegaan tussen universiteiten en onderzoeksinstellingen. Elk van hen werkt mee aan één of meerdere onderzoekstrajecten met als doelstelling om AI-methodes te ontwikkelen die kunnen worden doorontwikkeld in onze maatschappij. Een unieke samenwerking van AI-experten, gekend bij ons en in de rest van de wereld — we zouden hen stoutweg ‘de Rode Duivels of Red Lyons van de AI’ kunnen noemen — onze topploeg die met veel passie en inzet haar expertise bundelt om het onderzoek in AI een duw in de rug te geven. Sabine Demey verduidelijkt het belang van het gezamenlijk onderzoeksprogramma: "Het onderzoek dat we doen binnen het programma is van strategisch belang om de toepassing van artificiële intelligentie in Vlaanderen te vergroten. We concentreren ons op de complexe en generieke vragen waarvoor op dit ogenblik nog geen kant-en-klare oplossingen bestaan. We moeten dus nieuwe kennis ontwikkelen die daarna kan worden omgezet in concrete AI-toepassingen. Dit onderzoek staat aan de basis van de toepassingen van morgen. Binnen het AI-Onderzoeksprogramma doen een 300-tal doctoraatsstudenten, senior onderzoekers en professoren aan strategisch basisonderzoek, toegepast binnen drie domeinen, met name gezondheidszorg, Industrie 4.0 en toepassingen voor de overheid en haar inwoners. Wij focussen ons in dit artikel op de impact van AI in de gezondheidszorg.” 

BAANBREKEND ONDERZOEK TIJDENS DE PANDEMIE

Hoe groot de impact van strategisch AI-onderzoek is binnen de zorgsector, zagen we tijdens de coronapandemie. Bij de oprichting van het AI-Onderzoeksprogramma, was er nog geen sprake van COVID-19. Maar toen de pandemie uitbrak, hebben de onderzoeksgroepen hun kennis en AI-methodes onmiddellijk ingezet om kwetsbare groepen te helpen en antwoorden te kunnen formuleren op dringende en fundamentele vragen uit de gezondheidszorg.  

De onderzoeksteams van de KU Leuven en VUB hebben zich in het kader van de COVID-19-pandemie gericht op AI-gebaseerde software voor de analyse van CT-beelden van longen. Die medische beelden leveren nuttige inzichten op over het ziektebeeld van COVID-19 en helpen bij de opvolging van patiënten. Dankzij de AI-software kunnen de abnormale zones in de longen op CT-beelden sneller en accurater worden aangeduid. Dat heeft voor een dankbare doorbrak gezorgd in de gezondheidssector. Door extra subsidies kon het onderzoek verder worden voortgezet in ziekenhuizen en onderzoekscentra. De resultaten werden opgenomen en geïntegreerd in de cloud-gebaseerde beeldverwerkingsservice van icometrix NV. En intussen zorgt deze AI-technologie voor een betere werking in ziekenhuizen bij ons, én in vele andere landen. Meer dan 800 ziekenhuizen in Europa maken dagelijks gebruik van de service om CT-beelden te verwerken. 

Ook bij een aantal kwetsbare groepen ging de alarmbel rinkelen, van zodra de pandemie begon. Zo stelden patiënten met multiple sclerose (MS) zich de vraag of zij vatbaarder waren voor COVID-19, of ze hun behandeling dan nog konden volgen, of het virus een nieuwe MS-aanval zou uitlokken, enzovoort. Om correct medisch advies te kunnen geven, begon de MS Data Alliance, met UHasselt als coördinator, in recordtempo aan een onderzoek. Samen met verschillende onderzoekers van het AI-Onderzoeksprogramma werd een databank uitgebouwd die gezondheidsdata van MS-patiënten uit meer dan 80 landen samenbracht. Door die data te verzamelen en te analyseren, kon het COVID-19-advies voor personen met MS worden bijgestuurd op basis van data-gedreven inzichten. Dat medisch advies gaat intussen in 14 verschillende talen de wereld rond.  

KWALITATIEVE MEDISCHE ZORG

In het AI-Onderzoeksprogramma komen uiteraard veel meer medische toepassingen aan bod. Sabine Demey licht de focus toe: “We richten ons op methodes die de gezondheidszorg kunnen ondersteunen en verbeteren in de komende jaren. Door middel van AI kunnen mensen sneller de juiste diagnose en behandeling krijgen en aansluitend een kwalitatieve opvolging die de patiënt monitort in alle omstandigheden, dus zowel in het ziekenhuis als thuis.” 

Spraakmakend onderzoek op dit vlak gebeurt binnen de single-cell technologie. Om de werking van ons lichaam beter te begrijpen en het immuunsysteem gedetailleerd in kaart te kunnen brengen, zet deze technologie in op de studie van weefsels en cellen tot in ongekend klein detail. In de oncologie, neurologie, immunologie en stamcelonderzoek kan dat tot revolutionaire resultaten leiden door een behandeling op maat van de patiënt. Je kan die stap naar precisie-geneeskunde maken, als je erin slaagt om de gedetailleerde inzichten te vertalen in nieuwe behandelmethodes. Zo kan de single-cell-technologie een buitengewone impact hebben op de farmaceutische en diagnostische industrie. Maar… om tot onderbouwde inzichten te komen, moet je eerst massaal veel data invoeren en analyseren. En dat is een concreet knelpunt. Daarom zet de UGent/VIB-onderzoeksgroep binnen het AI-onderzoeksprogramma in op de ontwikkeling van nieuwe methodes om single-cell data te analyseren.  
 
AI VOORSPELT EPILEPTISCHE AANVALLEN

In ons land hebben zo’n 60.000 mensen epilepsie. Ondanks hun medische behandeling heeft 1 op 3 last van plotse en onvoorziene epileptische aanvallen. De meeste epileptische aanvallen gebeuren thuis, dus niet in het bijzijn van zorgverleners en ziekenhuisapparatuur. Daarom is binnen het AI-onderzoeksprogramma de doelstemming om een methode te ontwikkelen die de patiënt kan helpen buiten de ziekenhuisomgeving. 
 
KU Leuven, UGent en Uhasselt werken samen met het UZ Leuven aan de ontwikkeling van een AI-methode die zo accuraat mogelijk voorspelt wanneer een patiënt een volgende epileptische aanval zal krijgen of wanneer het risico op een aanval significant toeneemt. Met die informatie kan de patiënt zichzelf op termijn beter monitoren en kan de behandelende neuroloog een beter zicht krijgen op de medische toestand van de patiënt. 

OP ZOEK NAAR DE OPTIMALE PATIËNTENSTROOM

Vlaanderen vergrijst: in 2020 was 1 op 5 mensen is 65+ en dat aantal zal nog toenemen in de komende jaren. Het percentage ziekenhuisopnames neemt toe met de leeftijd en dus verwachten we dat de druk op onze ziekenhuizen eveneens zal stijgen. Voor de zorgsector blijft de topprioriteit om patiënten te omringen met optimale zorgverlening. En om dat te kunnen (blijven) doen, kijken meer en meer ziekenhuizen naar AI om de behandelingen van hun patiënten beter in te plannen zodat patiënten gemiddeld minder lang moeten wachten op hun behandeling, operatie, diagnostische opname, enzovoort. Voor ziekenhuizen is belangrijk om de ligduur van hun patiënten zo optimaal mogelijk te benutten. De ligduur is een belangrijke parameter voor de planning en organisatie van o.a. de operaties en behandelingen van patiënten, de personeelsplanning en het gebruik van technologie en logistiek. Een optimale patiëntenstroom kan dus zowel voor meer tevredenheid bij de patiënt als een kostenbesparing bij het ziekenhuis zorgen.  

Binnen het AI-Onderzoeksprogramma zoekt het team van de KU Leuven in samenwerking met het UZ Leuven naar een AI-gebaseerde benadering die rekening houdt met de specifieke aandoening van de patiënt en de evolutie in de toestand van de patiënt om een optimale ziekenhuisplanning in kaart te brengen.   

BEHEER VAN PERSOONLIJKE GEZONDHEIDSDATA

We eindigen waar we begonnen zijn, namelijk met twee zaken die ons leven het voorbije anderhalf jaar hebben beheerst: COVID-19 en data. De pandemie heeft er ons elke dag bewust van gemaakt dat de aanpak gebaseerd is op data-inzichten. Op het topje van de data-ijsberg vinden we de dagelijkse overzichten van het aantal besmettingen, de ziekenhuisopnames, de status van de vaccinatiecampagne, enzovoort. Maar ook hoe onze belgegevens worden gebruikt om een inzichten te krijgen o.a. in het thuiswerk. Burgers hebben echter zelden de mogelijkheid om te beslissen welke data ze willen delen, met wie, en waarvoor. 
 
Binnen het AI-Onderzoeksprogramma werkt de Vlaamse Instelling voor Technologisch Onderzoek (VITO) samen met de universiteiten van Hasselt, Gent en Brussel aan de ontwikkeling van een platform voor burger-beheerde gezondheidsdata op basis van solid-technologie. De technologie wordt gekoppeld aan zorgvuldige principes rond ethisch gebruik van data en van AI-algoritmes. Zo zit jij zelf aan het roer van je persoonlijke datakluis die gevuld is met jouw gezondheidsgegevens. Jij beheert die gegevens en andere instellingen en/of bedrijven mogen de (al dan niet geanonimiseerde) data pas gebruiken nadat jij daar toestemming voor hebt gegeven. Zo kan jij er zelf voor kiezen om je gegevens te delen voor persoonlijke diensten, of voor onderzoek en ontwikkeling. En in dat opzicht kan het delen van je gezondheidsdata op termijn bijdragen tot betere preventieve zorg, eerder dan louter de curatieve. 
 
Voor Sabine Demey is de uitdaging binnen AI op vlak van gezondheid duidelijk: “Het is belangrijk dat mensen snel de juiste diagnose krijgen, daarna ook een persoonlijke behandeling afgestemd op hun specifieke situatie, dat medische hulpmiddelen hen ook thuis daarbij kunnen helpen, en als een verblijf in het ziekenhuis toch nodig is, ook dat vlot verloopt. Ondertussen zijn al verschillende resultaten van de onderzoeken wereldwijd in gebruik om patiënten te helpen en de ambitie is zeker dat er de komende jaren nog veel toepassingen zullen volgen. Het is duidelijk dat we door onze specifieke focus en slimme specialisaties ook het verschil kunnen maken op wereldschaal. Dat doen we niet alleen in de medische toepassingen, waar we het hier over hebben, maar bijvoorbeeld ook in de maakindustrie, in toepassingen van industrie 4.0.” 

WIL JE MEER WETEN?

• Informatie over evenementen die het AI-onderzoeksprogramma organiseert vind je op onze LinkedIn-pagina
• Voor informatie over het onderzoek naar CT-beelden van longen bij COVID-19-patiënten, klik hier.
• Wil jij meer weten over het onderzoek naar MS-patiënten tijdens de pandemie, klik hier.
• Wil jij meer weten over het onderzoek naar single cell-technologie, klik hier.
• Voor meer informatie over het onderzoek naar epileptische aanvallen, klik hier.
• Voor meer informatie over datakluizen voor persoonlijke gezondheidsdata, klik hier.  
   

BIOGRAFIE

AANVULLENDE INFORMATIE OVER DE ONDERZOEKSUITDAGINGEN BIJ MEDISCHE TOEPASSINGEN

De gezondheidszorg is een breed toepassingsdomein waarin een brede waaier aan nieuwe AI-methodes voor impact kan zorgen. De methodes moeten wel kunnen omgaan met gevoelige informatie (zoals patiëntengegevens), complexe en diverse datatypes die op mekaar moeten afgestemd moeten worden. De toepassingen vereisen ook hybride AI-methodes, waarbij data en menselijke expertise gecombineerd worden. Bovendien moeten de AI-modellen en onderzoeksresultaten interpreteerbaar zijn door domeinexperten om voldoende vertrouwen te creëren, bijvoorbeeld wanneer AI gebruikt wordt om het klinische beslissingsproces te ondersteunen. 

In het Vlaams AI-Onderzoeksprogramma zijn zes toepassingen geselecteerd. Die toepassingen zullen enerzijds het vraaggedreven generieke onderzoek aansturen; anderzijds zullen ze worden gebruikt om de ontwikkelde methodologieën te demonstreren en te valideren in realistische gebruiksomstandigheden waar de data vaak schaars is en/of van lage kwaliteit. 
De toepassingen zijn gegroepeerd in vier thema’s: precisiegeneeskunde, ondersteuning van klinische beslissingen, ondersteuning van beslissingen in ziekenhuizen en het beheer van gezondheidsdata, en bevatten zowel algemene technologische aspecten als specifieke ziekte-gerelateerde thema’s. 

Meer over de verschillende thema’s: 

• Binnen het thema precisiegeneeskunde komen twee toepassingen aan bod: single-cell- technologieën en Multiple Sclerosis.  De data in deze toepassingen is hoogdimensionaal (zie bijvoorbeeld de omics-data) en er moeten veel verschillende datatypes geïntegreerd en gecombineerd worden met expertkennis. Een belangrijke uitdaging ligt ook in het combineren van gevoelige informatie (patiëntengegevens) van verschillende centra. Pas dan kan optimaal individuele vooruitgang bij patiënten voorspeld en opgevolgd worden.
• Binnen het thema ondersteuning in het nemen van klinische beslissingen komen twee toepassingen aan bod: medische beeldverwerking met een focus op radiologische beelden (zoals de analyse van CT-beelden van longen), en het opvolgen (buiten het ziekenhuis) van patiënten met epilepsie, met name het detecteren van epileptische aanvallen bij patiënten thuis met behulp van sensoren die verschillende soorten data opmeten.  De technologische AI-uitdagingen liggen hier o.a. bij leren met flexibele supervisie, het creëren van interpreteerbare modellen en resultaten en het combineren van metingen uit verschillende types sensoren.
• Binnen de ondersteuning van beslissingen in ziekenhuizen, passen we AI toe voor de optimale patiëntenstroom en inzet van middelen in ziekenhuizen. We voorspellen de ligduur van patiënten uit een groot aantal eigenschappen van de patiënten en gebruiken hiervoor AI-geassisteerde data wrangling-methodes om de data in het gepaste formaat om te zetten en AI-gebaseerde methodes voor een optimale resource planning.
• Binnen het thema beheer van persoonlijke gezondheidsdata pakken we de uitdaging aan van het behandelen van gevoelige persoonlijke gezondheidsdata die momenteel verspreid is over verschillende plaatsen en hoe de burgers zelf controle over de toestemmingen om hun data te gebruiken.