AI zou het gebrek aan radiologen in de strijd tegen borstkanker kunnen compenseren, maar het is nog niet klaar

Onlangs heeft een team van onderzoekers van Imperial College London en Google Health een computervisiemodel gemaakt dat bedoeld is om gevallen van borstkanker te diagnosticeren op basis van röntgenfoto's. Zoals CNN meldt, werd het model naar verluidt getraind op röntgenfoto's van meer dan 29,000 vrouwen, en toen het het opnam tegen zes radiologen slaagde het erin om beter te presteren dan de beoordelingen van de artsen.

Momenteel gebruikt de NHS de gecombineerde beslissingen van twee artsen om borstkanker op basis van röntgenfoto's te diagnosticeren. Als de twee artsen het niet eens worden, wordt een derde ingeschakeld om de beelden te raadplegen. Terwijl de artsen toegang hadden tot de medische dossiers van de patiënten, had het AI-apparaat alleen de mammogrammen om zijn beslissingen op te baseren. Ondanks deze beperking bleek het AI-model minstens zo goed in het diagnosticeren van borstkanker als twee artsen. Het model presteerde zelfs beter dan een enkele arts bij het opsporen van borstkanker. Bij het vergelijken van de vals-positieve percentages tussen de AI en de artsen, zorgde de AI voor een lichte vermindering van het aantal vals-positieven, wat over het algemeen ongeveer 1.2% nauwkeuriger is. Volgens de resultaten van het onderzoeksrapport verlaagt de AI ook het percentage vals-negatieven (waarbij een echt positief geval van kanker wordt gemist) met ongeveer 2.7%.

Een van de auteurs van het artikel, directeur van het Cancer Research UK Imperial Centre, Ara Darzi, legde uit dat het onderzoeksteam niet had verwacht dat hun systeem zulke hoogwaardige resultaten zou opleveren. Darzi is echter enthousiast over de mogelijkheid om de productiviteit en nauwkeurigheid te verbeteren als het gaat om kankerscreening.

Borstkanker is de tweede belangrijkste vorm van overlijden door kanker bij vrouwen, maar de resultaten kunnen aanzienlijk worden verbeterd als de ziekte vroeg wordt gediagnosticeerd. Het probleem is dat, zoals de American Cancer Society stelt, momenteel zelfs grootschalige screeningsprogramma's ongeveer een op de vijf gevallen missen.

Om deze reden hoopt het onderzoeksteam dat hun systeem kan worden verbeterd en dat het zelfs de beste clinici kan overtreffen. Het onderzoeksteam verklaarde ook dat hun algoritme mogelijk een tekort aan radiologen zou kunnen verhelpen. Uit een rapport van het Royal College of Radiologists blijkt dat er in het VK tegen 2,000 een tekort van bijna 2023 radiologen zal zijn, tenzij er iets wordt gedaan om de situatie te verhelpen.

Darzi geeft echter toe dat het systeem in dit stadium nog niet klaar is om mensen te vervangen en als tweede tolk te gebruiken. AI-tools in de gezondheidszorg maken hun aanvankelijke beloften vaak niet waar, dankzij complexe factoren die niet adequaat kunnen worden gesimuleerd in training. Een grote beperking van het onderzoek is dat de beelden allemaal afkomstig waren van een enkel mammografiesysteem en dat de beelden niet divers waren. Volgens QZ, had het onderzoeksteam geen toegang tot details die konden worden gebruikt om de diversiteit van de afbeeldingen in de dataset vast te stellen, en daarom is het niet mogelijk om te weten of het systeem nog steeds zeer nauwkeurig was toen hem werd gevraagd om röntgenfoto's van minderheden. Er zijn raciale verschillen in zowel het VK als de VS als het gaat om de diagnose van borstkanker, waarbij zwarte vrouwen minder snel kankerscreening krijgen in het VK.

Google is van plan tijd te besteden aan het verhelpen van de ongelijkheid in de gegevens waarop het model is getraind voordat het beschikbaar wordt gesteld aan zorgpartners, met als doel een grotere, meer inclusieve dataset te maken. Het systeem moet ook worden getest in klinische proeven voordat het beschikbaar wordt gesteld voor gebruik in klinische omgevingen. De algoritmen die door het onderzoeksteam zijn ontwikkeld, hebben de kracht om de resultaten van de gezondheidszorg echt te verbeteren en levens te redden, maar alleen als ze zorgvuldig en grondig worden getest.