“Mens en machine verhogen samen de standaard in CT-onderzoek”

De waarde van slimme systemen en technieken bij het verbeteren van CT-scans is evident. Voor een echt optimaal onderzoek is het echter essentieel dat de MBB’er in de lead is én er een perfecte samenwerking is tussen ‘mens en machine’. Dat stelt Ronald Booij, coördinator Research & Innovatie Radiologie van het Erasmus MC. Hij promoveerde onlangs op het thema The ‘Knowledgable’ CT-scanner. Zijn onderzoek laat zien dat er al heel veel stappen zijn gezet naar een perfecte symbiose tussen mens en CT-systemen, maar dat er nog vele zullen (moeten) volgen.

Technologische ontwikkelingen in de computertomografie (CT) zorgen er sinds de jaren 70 voor dat radiodiagnostisch specialisten hun scans efficiënter en beter kunnen uitvoeren, met een hogere resolutie en lagere stralingsdosis. Dankzij Artificial Intelligence (AI) en geavanceerde technieken worden CT-scanners alsmaar slimmer en zullen de workflow en scans in de (nabije) toekomst verder verbeteren. Booij: “Slimme systemen helpen bij het automatiseren van de workflow en verhogen zo elke keer de standaard van onderzoeken. Het zijn welkome ontwikkelingen die de zorg verbeteren en de druk op de CT-afdelingen - met meer onderzoeken en meer patiënten - kunnen verlichten.” 

Maar Booij is ook een kritisch gebruiker van CT-scanners en de nieuwste toepassingen. Hij wil er het fijne van weten. “MBB’ers bedienen dagelijks CT-scanners en weten als geen ander hoe ze een onderzoek perfect moeten uitvoeren. De technologische ontwikkelingen in ons vakgebied gaan momenteel snel, maar het gaat me te ver om alles zomaar te accepteren en me te laten leiden door alomvattende mogelijkheden van de beeldvormende modaliteit.” Kennis gaat in dit geval verder dan de handleiding. Booij: “Ik ga ervanuit dat wat een fabrikant beweert klopt, maar ik wil ook weten of er haken en ogen aanzitten. Kan ik met deze tool betere scans maken? Oké, maar hoeveel keer beter? En is het in alle gevallen beter? Als laborant wil je weten hoe een systeem of applicatie werkt en in welke gevallen deze minder presteren. Niet uit wantrouwen, maar omdat je met een brede kennis van het systeem je onderzoeken kunt optimaliseren en betere zorg kan leveren.”

De 3D-camera in de CT-systemen van Siemens Healthineers ondersteunt de laborant bij het beter positioneren van de patiënt. Booij: “Een slimme tool waarvan ik als gebruiker een aantal zaken wilde weten. Hoe scoort de camera bij de niet-standaard patiënt, zoals kinderen of mensen met obesitas? En hoe scoort hij bij verschillende lighoudingen?” Booij vergeleek de scores van de 3D-camera bij positionering van de patiënten met die van de resultaten van laboranten. Mens en machine presteerden nagenoeg even goed; de 3D-camera was een paar millimeter preciezer. Dat is wellicht geen conclusie die de medische wereld op z’n kop zet, maar er ligt nu wel wetenschappelijk bewijs wat de camera toevoegt. Booij: “Met deze kennis kun je er als zorgprofessional op vertrouwen dat de camera je adequaat ondersteunt. Bij onderzoeken uitgevoerd in landen waar MBB’ers minder goed getraind zijn, heb je tevens de zekerheid dat ze dankzij de correcties van de 3D-camera toch van een hoog niveau zijn.”

Bij het maken van een CT-scan bij (zeer jonge) kinderen presteerde de 3D-camera in eerste instantie minder goed. CT-onderzoek bij kinderen is een van de specialisaties van het Erasmus MC, ondergebracht in het Sophia Kinderziekenhuis, dus logischerwijs een aspect dat Booij wilde onderzoeken. “Onze feedback hebben we teruggekoppeld aan Siemens Healthineers, met daarbij onze relevante data. Op basis daarvan heeft Siemens de AI getraind en verbeterd. Wij konden vervolgens als eerste ziekenhuis ter wereld de verbeterde AI testen. Een prachtig partnership dat concreet bijdraagt aan betere zorg.”