AI ten dienste van de pneumologie

ARTIFICIËLE INTELLIGENTIE Professor Julien Guiot, longarts aan het CHU Luik en gespecialiseerd in interstitieel longlijden en vasculaire longziektes, deelt zijn ervaring met artificiële intelligentie bij beeldvorming van de longen anno 2025.

Professor Julien Guiot, hoogleraar aan de Universiteit van Luik en auteur van tal van publicaties over AI en beeldvorming, stond ons te woord over de laatste richtlijnen ad hoc die kunnen helpen bij de implementering van die toekomstige praktische tools. 

AI is alomtegenwoordig in onze maatschappij. Het toepassingsgebied is enorm uitgebreid, ook al zijn er nog veel tegenstanders. Waar nog geen eensgezindheid over bestaat is de overschakeling van het analoge tijdperk naar het digitale, en van interpretatie van beeldvorming naar een lezing door AI, zelfs in het medisch korps. Dit artikel beschrijft de belangrijkste praktische toepassingen van AI bij beeldvorming van de thorax.

Professor Guiot, welke plaats neemt AI in in uw dagelijkse praktijkvoering?

Julien Guiot: Je kan daarbij meerdere assen onderscheiden, waaronder het automatisch verzamelen van gegevens in medische dossiers. Er bestaan meerdere hulpmiddelen die helpen bij het diagnosticeren van zowel frequente als zeldzame ziektes. Momenteel worden die enkel ingezet bij wetenschappelijk onderzoek en zijn er nog geen klinische toepassingen voorzien (bij gebrek aan validering door het EMA en het FAGG).

Wat wel al bestaat zijn algoritmes voor de interpretatie van de resultaten van longfunctieonderzoek, net zoals een gestandaardiseerde interpretatie van het ecg nu de normaalste zaak van de wereld is.

Kunt u ons wat meer vertellen over de tools waar u onderzoek naar verricht?

Radiomica is een specifieke techniek van algoritmische analyse van medische beelden, die ons een veel beter inzicht heeft gegeven in allerhande longziektes. Het is waarschijnlijk op dit ogenblik een van de beste tools voor analyse van beelden van het longparenchym. Radiomica herkent patronen van afwijkingen die typisch worden teruggevonden bij bepaalde ziektes en extraheert op basis van de vorm, de intensiteit en de textuur van de beelden een specifieke signatuur.

Zo kan de arts nagaan welke afwijkingen belangrijk zijn bij het stellen van een diagnose en de follow-up van de patiënten. Dat doen we al bij verschillende vormen van interstitieel longlijden (zoals idiopathische longfibrose en de longaantasting bij sclerodermie), maar ook en vooral in de oncologie. Met radiomica kan je eventueel het pathologisch-anatomische subtype van de tumor en de mogelijke, daarmee samenhangende, mutaties bepalen.

Heeft radiomica enkel een diagnostische waarde?

Het is niet alleen de bedoeling een diagnose te stellen, maar ook de respons te voorspellen op mogelijke behandelingen en de eventuele bijwerkingen ervan en om prognostische informatie te verzamelen. Radiomica heeft haar waarde al bewezen bij het voorspellen van een CIP (Checkpoint Inhibitor Pneumonitis, pneumonitis veroorzaakt door checkpointremmers) bij kankerpatiënten die een specifieke immunotherapie krijgen.

Daarvoor moet je zoveel mogelijk informatie over de patiënt bundelen: laboratoriumgegevens, radiologische gegevens, pathologisch-anatomische gegevens en genetische onderzoeken teneinde een behandeling “op maat” te kunnen voorschrijven en een betere fenotypering van de ziektes te verkrijgen.

Wat zegt u aan tegenstanders van een breder gebruik van AI in de pneumologie?

Bij het interpreteren van radiologische gegevens stoten we op een zeer hoge intra- en interobservatorvariabiliteit (het grootste probleem bij de huidige analysetechnieken). Radiomica biedt een reële meerwaarde dankzij een gestandaardiseerde en reproduceerbare lezing, waardoor er dus geen risico meer is op interpretatiebias. In de toekomst zal radiomica het diagnostische veld verbreden en de aandacht van de arts vestigen op afwijkingen, die hij misschien niet heeft gezien (bv. een verdacht borstletsel, een specifiek risico op osteoporose, een verontrustende coronaire calciumscore).

Zijn er nog andere tools in onderzoek?

Nog heel wat andere toepassingen van AI worden wetenschappelijk onderzocht. Zo is het ICOLUNG-systeem interessant gebleken bij patiënten met covid of sclerodermie met longaantasting. Ook zijn meerdere interventionele tools in ontwikkeling. Zo is er veel belangstelling voor ultratonendetectie van endobronchiale noduli in de hoop tumorale letsels in situ te diagnosticeren en meteen te kunnen behandelen.

'Radiomica zal in de toekomst het diagnostische veld van de arts verbreden.'

Hoe moet de arts reageren op de vele vragen van patiënten die gebruikmaken van AI?

Een van de uitdagingen voor artsen is NLP (Natural Language Processing), in het Nederlands ‘natuurlijke taalverwerking’. In de eerstelijnszorg gaan we die NLP toepassen op de klinische gegevens van de arts, maar mogen we mogelijk relevante gegevens aangereikt door die systemen niet wegwuiven. Samengevat, het is de bedoeling de symptomatologie van de patiënt, objectieve functionele tests (reproduceerbare metingen) en beeldvorming met een gestandaardiseerde AI-analyse te combineren.

De patiënten gebruiken AI al autonoom, zonder toezicht en komen op spreekuur met analyses, overtuigingen en soms hele of halve waarheden. Huisartsen moeten dan ook vertrouwd worden gemaakt met een geneeskunde met twee snelheden.

Ultragespecialiseerde artsen zullen doordat ze worden ontlast van repetitieve taken, meer tijd kunnen uittrekken voor alsmaar meer veeleisende opdrachten en een betere fenotypering bereiken. Telemonitoring moet eveneens worden ontwikkeld, als basis van een alsmaar betere, gepersonaliseerde geneeskunde - gericht op de behoeften van vandaag.

Welke plaats zal AI innemen in de geneeskunde van morgen?

Tot nog toe wordt AI vooral gebruikt voor klinisch onderzoek. Tal van in silico-studies illustreren het belang van de tools met het oog op een latere klinische en therapeutische ontwikkeling. De commerciële belangen en de concurrentie zijn groot. We durven er veel om te verwedden dat er gelobbyd zal worden voor een grootschaliger gebruik van AI, ook in de gezondheidszorg.

Wat is uw belangrijkste boodschap?

De mens blijft centraal in de therapeutische relatie, een conditio sine qua non, ondanks de ontwikkeling van alle digitale tools. Eerste- en de tweedelijnsartsen blijven essentieel. De derdelijnsgeneeskunde daarentegen zal sterk evolueren onder invloed van AI.