Kunstmatige intelligentie is beter in het detecteren van prostaatkanker op MRI dan radiologen
Laatst beoordeeld: 14.06.2024
![Fact-checked](/sites/default/files/fact-checked.png)
Alle iLive-inhoud wordt medisch beoordeeld of gecontroleerd op feiten om zo veel mogelijk feitelijke nauwkeurigheid te waarborgen.
We hebben strikte richtlijnen voor sourcing en koppelen alleen aan gerenommeerde mediasites, academische onderzoeksinstellingen en, waar mogelijk, medisch getoetste onderzoeken. Merk op dat de nummers tussen haakjes ([1], [2], etc.) klikbare links naar deze studies zijn.
Als u van mening bent dat onze inhoud onjuist, verouderd of anderszins twijfelachtig is, selecteert u deze en drukt u op Ctrl + Enter.
![](https://nl.iliveok.com/sites/default/files/styles/term_image/public/news/iskusstvennyy-intellekt-luchshe-obnaruzhivaet-rak-prostaty-na-mrt-chem-radiologi.jpg?itok=i7XYlT_R)
Kunstmatige intelligentie (AI) detecteert waarschijnlijker prostaatkanker dan radiologen. Bovendien is de kans dat AI vals alarm veroorzaakt half zo groot. Dit blijkt uit een internationaal onderzoek gecoördineerd door het Radboud Universitair Medisch Centrum en gepubliceerd in The Lancet Oncology. Dit is het eerste grootschalige onderzoek waarin een internationaal team AI op transparante wijze evalueert en vergelijkt met de beoordelingen en klinische resultaten van radiologen.
Radiologen worden geconfronteerd met een toenemende werkdruk omdat mannen met een verhoogd risico op prostaatkanker nu routinematig prostaat-MRI's ondergaan. Het diagnosticeren van prostaatkanker met behulp van MRI vereist aanzienlijke expertise, en ervaren radiologen zijn schaars. AI kan deze problemen helpen oplossen.
Kunstmatige intelligentie-expert Henkjan Hausman en radioloog Maarten de Rooy, leiders van het PI-CAI project, organiseerden een grote competitie tussen AI-teams en radiologen waaraan een internationaal team deelnam. Samen met andere centra in Nederland en Noorwegen verzorgden zij ruim 10.000 MRI-scans. Ze identificeerden op transparante wijze de aanwezigheid van prostaatkanker voor elke patiënt. Verschillende groepen over de hele wereld hebben AI mogen ontwikkelen om deze beelden te analyseren.
De top vijf toepassingen werden gecombineerd tot een superalgoritme om MRI-scans te analyseren op de aanwezigheid van prostaatkanker. Ten slotte werden de beoordelingen van de AI vergeleken met die van een groep radiologen op vierhonderd MRI-scans van de prostaat.
Nauwkeurige diagnose De PI-CAI-gemeenschap brengt meer dan tweehonderd AI-teams en 62 radiologen uit twintig landen samen. Ze vergeleken de resultaten van de KI en radiologen niet alleen met elkaar, maar ook met de gouden standaard, waarbij ze de resultaten volgden van mannen die scans lieten maken. Gemiddeld werden de mannen vijf jaar gevolgd.
Dit eerste internationale onderzoek naar het gebruik van AI bij de diagnose van prostaatkanker laat zien dat AI bijna 7% meer significante prostaatkankers detecteert dan een groep radiologen. Bovendien identificeert AI verdachte gebieden die later in 50% minder gevallen niet-kankerachtig blijken te zijn. Dit betekent dat het aantal biopsieën kan worden gehalveerd met behulp van AI.
Als deze resultaten in volgende onderzoeken worden bevestigd, kan dit radiologen en patiënten in de toekomst enorm helpen. Dit kan de werklast van radiologen verminderen, nauwkeurigere diagnoses stellen en onnodige prostaatbiopten tot een minimum beperken. De ontwikkelde AI moet nog worden gevalideerd en is momenteel nog niet beschikbaar voor patiënten in een klinische setting.
Kwaliteitssysteem Houseman merkt op dat de samenleving AI niet vertrouwt. “Dit gebeurt omdat fabrikanten soms AI’s maken die niet goed genoeg zijn”, legt hij uit. Hij werkt aan twee dingen. De eerste is een openbare en transparante test om AI eerlijk te evalueren. Het tweede is een kwaliteitsmanagementsysteem vergelijkbaar met dat in de luchtvaartindustrie.
"Als vliegtuigen bijna botsen, gaat de veiligheidscommissie onderzoeken hoe het systeem kan worden verbeterd om dit in de toekomst te voorkomen. Ik wil hetzelfde voor AI. Ik wil een systeem onderzoeken en ontwikkelen dat van elke fout leert, zodat de AI is gecontroleerd en kan blijven verbeteren. Op deze manier kunnen we vertrouwen opbouwen in AI in de gezondheidszorg. Optimale, gecontroleerde AI kan helpen de gezondheidszorg beter en efficiënter te maken."