Hoe helpt AI de individuele patiënt centraal te stellen in de behandeling van prostaatkanker?Door Filip Rommelaere, hoofd van Digital Health bij Siemens Healthineers

2020-11-10

November is jaarlijks de maand waarin de Movember-beweging aandacht vraagt voor de strijd tegen prostaatkanker. In 2018 kregen 98001 mannen in België te horen dat ze een invasieve tumor aan de prostaat hadden. Gelukkig leven we in tijden van steeds snellere medische vooruitgang. Nu staat een Multidisciplinair Oncologisch Consult (MOC) bestaande uit o.a. urologen, radiologen, oncologen en pathologen zij aan zij met verpleegkundigen en andere zorgverleners om samen de beste prostaatkankerbehandeling aan hun patiënten te bieden.

Artificiële intelligentie (AI) kan dat MOC-team helpen om het hoofd te bieden aan de grote complexiteit en de overvloed aan data. Zo lukt het steeds beter om de specificiteit van de individuele patiënt centraal te stellen doorheen het volledige zorgtraject van diagnose over behandeling tot opvolging en genezing. AI neemt de plaats van de arts dus niet in, maar ondersteunt hem en net die samenwerking tussen beide maakt een wezenlijk verschil voor de patiënt.

Filip Rommelaere, hoofd van Digital Health bij Siemens Healthineers
Filip Rommelaere, hoofd van Digital Health bij Siemens Healthineers

Zowat elk prostaatkankeronderzoek begint met een scan. De radioloog heeft het vandaag niet makkelijk. Gemiddeld interpreteert hij elke vier seconden een beeld en dat dagelijks al snel acht uur aan een stuk. De vraag naar medische beeldvorming stijgt bijzonder sterk, maar de mankracht om dit te bolwerken stijgt niet evenredig mee. De voorbije tien jaar nam het aantal CT- en MRI-scans jaarlijks met 10% tot 12% toe, maar het aantal radiologen slechts met 3%. Tegenwoordig wachten wereldwijd zo’n 230.000 patiënten langer dan een maand op hun testresultaten.

Sneller werken dan maar? Dat is makkelijker gezegd dan gedaan. De specialist meet en analyseert tientallen tot honderden beelden voor hij aan de diagnose kan beginnen. De kans dat hij iets over het hoofd ziet bestaat en neemt toe bij stijgende tijdsdruk. Een studie geeft aan dat een halvering van de interpretatietijd voor radiologen de kans op een foute interpretatie met 16,6% zou doen stijgen.

Ondertussen neemt onze medische kennis sneller toe dan dat we ze kunnen verwerken en effectief inzetten in de praktijk. Terwijl tien jaar geleden de medische kennis pas na drie en een half jaar verdubbelde, zou dit in 2020 slechts 73 dagen duren2. Daarom is er nood aan nieuwe en baanbrekende oplossingen. Niet alleen voor radiologen, maar ook voor specialisten verantwoordelijk voor de diagnosestelling en therapeutische behandeling.

AI biedt die ondersteuning. Met behulp van AI-gebaseerde tools is een Multidisciplinair Oncologisch Consult in staat om voor de behandeling keuzes te maken gebaseerd op objectieve en gedocumenteerde data. Die laten toe meer tijd vrij te maken voor de contextuele situatie van de individuele patiënt. Artificiële intelligentie vervangt dus niemand, maar versterkt het medische team.

AI-ondersteunde tools

AI-ondersteunde tools worden inmiddels ingezet in het volledige zorgpad van de patiënt. Het begint bij de scan en andere onderzoeken met medische beeldvorming, waar AI bijvoorbeeld helpt bij het correct positioneren van de patiënt om een optimale beeldkwaliteit te verzekeren. Vervolgens helpt AI ook bij de interpretatie van die beelden als een extra paar ogen. Bovendien kunnen AI-oplossingen zowel op maandagmorgen als zaterdagnacht zonder vermoeid te worden en op steeds dezelfde manier beelden analyseren om de artsen te ondersteunen. Zo vullen AI en specialisten elkaar aan.

Recent onderzoek toont aan dat een multidisciplinair oncologische consultatie in België gemiddeld 3,8 minuten per patiënt duurt. Net daardoor is er niet altijd voldoende aandacht voor de specifieke wensen en levensomstandigheden van de patiënt3. De toekomst ligt overduidelijk in de multidisciplinaire aanpak waar overkoepelende AI-ondersteunde systemen het MOC helpen met Clinical Decision Support (CDS).

Zo kunnen alle diagnoserelevante data over de patiënt uit verschillende databronnen automatisch worden verzameld, gecorreleerd en op een slimme manier voorgesteld in een dashboard. Deze gegevens zoals patiënten- en familiale historiek, eerdere laboresultaten of radiologische opnames en biopsieën worden dankzij AI gecombineerd met mogelijke diagnostische opties en potentiële outcomes.

Die multidisciplinaire aanpak creëert een tijdwinst voor alle betrokken clinici met tevens een verhoogde standaardisatie van de beslissingen. Op die manier geeft de uroloog de best geïnformeerde individuele prognose aan de patiënt. AI biedt de zorgverleners dus steeds betere tools en ondersteunt hen om de individuele patiënt met zijn specifieke omstandigheden nog meer centraal te zetten in de behandeling.

Met het oog op de ondersteuning van specialisten, de tegemoetkoming aan de individuele noden van de patiënt en de digitalisering van de gezondheidszorg in het algemeen en de medische beeldvorming in het bijzonder, ontwikkelde Siemens Healthineers reeds meer dan 65 AI-oplossingen. Op die manier krijgt de individuele patiënt de specifieke zorg en persoonlijke aandacht die hij verdient. Meer informatie over onze oplossingen die vorm zullen geven aan het tijdperk van AI en de toekomst van de gezondheidszorg vind je hier: Artificial intelligence in healthcare.