Carolien Toxopeus, radioloog

Hoe ben je hiermee begonnen?

‘Collega’s stuitten in 2018 op een bedrijf dat met AI voor radiologie werkte. Ik was meteen geïnteresseerd. Als arts in opleiding tot specialist (AIOS) had ik ook al meegewerkt aan de ontwikkeling van AI-programma’s. Het jaar daarna werd ik aangesteld als innovatiearts bij OLVG.
Voordat we begonnen, onderzochten we waar AI binnen de radiologie de meeste winst kon opleveren. Al snel kwamen we uit bij de enorme drukte op de Spoedeisende Hulp.’

Wat kon AI daarin betekenen?

‘Vooral in de avonden, nachten en weekenden is het aantal CT-scans op de SEH enorm. Amsterdam heeft nu eenmaal veel toeristen en fietsers die vallen. Vooral CT-scans van de hersenen en nek na een trauma vormen een flinke belasting. Het grootste deel laat geen afwijkingen zien, maar iedere scan moet wel door een radioloog worden bekeken.
We zijn samen met de SEH gaan kijken of AI een deel van deze onderzoeken kon ondersteunen. SEH-artsen kregen scholing en deden een examen. Met AI-ondersteuning konden zij vervolgens bepaalde scans zelf beoordelen. Natuurlijk onder duidelijke voorwaarden en met de radioloog altijd laagdrempelig beschikbaar.’

Hoe weet je of je zo’n algoritme kunt vertrouwen?

‘Je kunt niet zomaar een algoritme dat ergens anders ontwikkeld is hier invoeren. Je test het eerst uit op je eigen CT-beelden en met je eigen scanners. Dat hebben we uitgebreid gedaan: de resultaten waren heel goed.

We begonnen met CT-scans van de hersenen en voegden later de nek toe. Eerst oefenden de SEH-artsen overdag, terwijl wij als radiologen de beelden ook beoordeelden. Daarna breidden we het stap voor stap uit naar de avond, nacht en weekenden.

En we blijven evalueren. AI is niet honderd procent betrouwbaar, maar mensen zijn dat ook niet. Als er iets wordt gemist, bespreken we dat. Bovendien is er altijd een vangnet: bij twijfel kunnen SEH-artsen ons bellen. Als AI een mogelijk belangrijke afwijking signaleert die niet in het verslag staat, krijgt een radioloog een melding.’

Wat levert dat op voor de patiënt en zorgverlener?

‘Ontzettend veel. AI tikt alle boxen aan waaraan een innovatie moet voldoen: patiënten krijgen sneller een uitslag, de gedachte is dat met AI een snellere doorstroom op de SEH te behalen valt en zorgverleners krijgen meer autonomie doordat ze met ondersteuning van AI zelf beelden kunnen beoordelen. Ook helpt het om het personeelstekort in de zorg deels op te vangen. Inmiddels werken we al een aantal jaar met deze algoritmes en hebben we veel data die bevestigen dat dit veilig is.’

Is het aantal algoritmes de afgelopen jaren uitgebouwd?

‘Jazeker. We hebben een AI-programma dat longembolieën kan detecteren en een algoritme dat bij herseninfarcten snel kan zien waar een bloedvat dichtzit en welk deel van de hersenen nog gered kan worden. Ook hebben we samen met de huisartsenpost en SEH een AI-programma in gebruik genomen dat botbreuken kan detecteren. Voorheen moest iemand van de huisartsenpost naar de SEH worden verwezen voor een röntgenfoto. Nu kan een laborant op de huisartsenpost een foto maken en via AI zien of er een breuk is. Als er niets aan de hand is, kan de patiënt naar huis. Zo voorkomen we dat een grote groep patiënten naar de SEH komt en hoeven veel minder mensen daar te worden ingeschreven. Ook zorgverzekeraars zien die winst.’

Wat bijzonder om al deze veranderingen in gang te zetten.

‘Ja, mijn werk is voortdurend in beweging. Ik voel ook dat er in OLVG een kracht en wil is om door te ontwikkelen. Ik vind het fantastisch om collega’s – ook buiten het ziekenhuis – te inspireren tijdens lezingen. AI is niet de toekomst, maar the now. En de ontwikkelingen gaan razendsnel.’

Welke ontwikkelingen zie je voor de komende jaren?

‘Tot nu toe werkten we met singletask algoritmes: één algoritme voor één aandoening. Nu testen we als eerste ziekenhuis in Europa een algoritme dat vijftien verschillende aandoeningen in de buik en borstkas kan detecteren: een zogenaamd multi-pathologie algoritme.
Stel dat er een patiënt met hevige buikpijn op de spoed komt. Dan kan het multi-pathologie algoritme meekijken naar de scan en in één keer aangeven of er bijvoorbeeld sprake is van een blindedarmontsteking, abces, gescheurde aorta of een andere aandoening. In Amerika wordt dit al gebruikt; wij onderzoeken nu of het ook goed werkt op onze patiënten.’

Wordt de radioloog door AI uiteindelijk overbodig?

‘Daar geloof ik absoluut niet in. Sterker nog: ik kijk ernaar uit dat AI een deel van het laagcomplexe, routinematige werk van ons overneemt. Er zijn meer patiënten en meer aanvragen voor scans dan ooit, maar het aantal radiologen neemt af. Dan moet je slimmer gaan werken.

Als AI mij helpt om eenvoudige onderzoeken sneller te beoordelen, betekent dat niet dat er één radioloog minder nodig is. Het betekent dat ik meer tijd heb voor ingewikkelde oncologische of neurologische vraagstukken en voor overleg met andere specialisten.

Ik wil minder klikken, minder schakelen en minder tijd kwijt zijn aan onderzoeken die weinig complex zijn. Zo houd ik meer tijd over voor patiënten die echt onze expertise nodig hebben.’