Medische diagnose: het echte potentieel van artificiële intelligentie is nog niet duidelijk
Volgens een eerste systematisch overzicht met meta-analyse met vergelijking van de prestaties van 'deep learning'-algoritmes en die van artsen bij het beoordelen van de resultaten van medische beeldvormingsonderzoeken zou de precisie bij de detectie van ziekten in beide gevallen even hoog zijn. Dat resultaat moet echter met de nodige voorzichtigheid worden geïnterpreteerd gezien het kleine aantal robuuste studies ad hoc.
Om het echte potentieel van artificiële intelligentie in de gezondheidszorg te ramen, hebben vorsers de literatuur doorgenomen en een meta-analyse uitgevoerd van alle studies die tussen januari 2012 en juni 2019 de prestaties van 'deep learning'-algoritmes en die van artsen hebben vergeleken bij de detectie van ziekten bij medische beeldvorming. Studies die medische 'waveform graphics' hebben gebruikt of de accuraatheid van beeldsegmentatie hebben onderzocht in plaats van de ziekteclassificatie, werden uitgesloten. Van de 31 587 studies die ze bij hun zoekopdracht hebben teruggevonden, hebben ze er 82 gehandhaafd voor hun meta-analyse. 69 studies bevatten voldoende gegevens om de accuraatheid vaan de test te berekenen, met een sensitiviteit van 9,7% tot 100,0% en een specificiteit van 38,9% tot 100,0%.
Slechts 25 studies hebben een externe validering uitgevoerd door hun algoritme toe te passen op medische beelden van een andere populatie dan de studiepopulatie. Slechts 14 van de 25 studies hebben de resultaten van het 'deep learning'-algoritme vergeleken met die van de artsen bij dezelfde patiënten.
Bij analyse van de resultaten van die 14 studies hebben de 'deep learning'-algoritmes in 87,0% van de gevallen een ziekte correct gedetecteerd tegen 86,4% van de artsen. Die algoritmes konden de patiënten zonder ziekte even precies uitsluiten als artsen (specificiteit respectievelijk 92,5% en 90,5%).
Tot besluit, artificiële intelligentie zou bij het diagnosticeren van ziektes bij medisch beeldvormingsonderzoek even goed zijn als medische experts. De auteurs van de studie erkennen echter de beperkingen van hun meta-analyse gezien de heterogene kwaliteit van de onderliggende studies: zelden externe validering van de resultaten, zelden vergelijking van de prestaties bij dezelfde patiënten en vaak onvoldoende rapportering. Voorzichtigheid is dus geboden bij de interpretatie van de resultaten van de meta-analyse.
"Gezien het kleine aantal echt goede studies is het echte potentieel van artificiële intelligentie nog niet duidelijk", concludeerde prof. Alastair Denniston.
(referentie: The Lancet Digital Health, 25 september 2019, doi: 10.1016/S2589-7500(19)30123-2)
https://www.thelancet.com/journals/landig/article/PIIS2589-7500(19)30123-2/fulltext