Artsen, onderzoekers en ontwikkelaars in Vietnam bespraken deze week in een workshop hoe kunstmatige intelligentie kan helpen bij de diagnose van borst- en schildklierkanker. Het doel is snellere en nauwkeuriger beeldanalyse in ziekenhuizen. De organisatie wilde klinische uitkomsten verbeteren en de werkdruk verlagen. Ook privacy, datadeling en gevolgen van de Europese AI-verordening kwamen aan bod.
Zorg wil betere triage
Radiologen krijgen veel mammografieën en echo’s te beoordelen. Een algoritme kan verdachte beelden voorrang geven. Zo zien artsen sneller wat acuut is. Dat kan wachttijden verkorten en fouten verminderen.
Bij schildklierknobbels gaat het vaak om echo’s met lastige grijswaarden. Een beslissingshulpsysteem kan kenmerken als vorm en randen scoren. Dit ondersteunt de arts bij een BI-RADS- of TI-RADS-achtige beoordeling. De arts blijft eindverantwoordelijk.
De workshop benadrukte inzet als “tweede lezer”. Dat betekent dat het systeem een extra mening geeft naast de radioloog. Zo blijft menselijk toezicht gewaarborgd. Dit is belangrijk voor vertrouwen en veiligheid.
Algoritmen helpen bij beeldvorming
Kunstmatige intelligentie voor beeldvorming gebruikt meestal neurale netwerken. Die herkennen patronen in mammografie of echobeelden. Ze markeren verdachte zones of geven een risicoscore. Dit heet klinische beslissingsondersteuning: software die artsen helpt bij keuzes.
Bij borstkanker zijn datamodellen getraind op grote mammografie-archieven. Ze kunnen vals-positieven verlagen of een tweede lezing bieden. In Europa wordt bijvoorbeeld Transpara van ScreenPoint Medical gebruikt bij bevolkingsonderzoek. Mensen controleren altijd het eindresultaat.
Voor schildklierecho’s kunnen algoritmen het aantal onnodige puncties beperken. Ze schatten de kans op maligniteit op basis van beeldkenmerken. Dit moet wel per kliniek worden gevalideerd. Elk ziekenhuis heeft eigen apparatuur en patiëntenmix.
Lokale data zijn cruciaal
Een model dat elders goed presteert, werkt niet automatisch lokaal. Beelden verschillen per apparaat, protocol en populatie. Zonder hertraining kan de nauwkeurigheid dalen. Dat maakt lokale validatie noodzakelijk.
Datakwaliteit bepaalt de uitkomst. Beelden moeten goed gelabeld zijn en representatief voor vrouwen en mannen van verschillende leeftijden en achtergronden. Ook zeldzame gevallen tellen. Anders ontstaat bias in de uitslag.
Datadeling vraagt strikte privacymaatregelen. Gegevens moeten worden gepseudonimiseerd of geanonimiseerd. Versleuteling en toegangscontrole zijn standaard. Dit sluit aan bij de AVG-eisen in Europa en goede praktijk wereldwijd.
AI-verordening zet de toon
De Europese AI-verordening (AI Act) plaatst medische diagnostiek in de categorie hoog risico. Fabrikanten moeten aantonen dat hun systeem veilig, uitlegbaar en goed beheerd is. Dat vraagt documentatie, risicobeheer en monitoring in de praktijk. Voor toegang tot de EU-markt is dit kader leidend.
Medische AI voor diagnose geldt als “hoog risico” onder de AI-verordening, met verplichtingen voor data‑governance, transparantie en menselijk toezicht.
Daarnaast gelden de MDR-regels voor medische hulpmiddelen en CE-markering. Ziekenhuizen moeten controleren of software aan deze normen voldoet. Voor gegevensverwerking blijven AVG-principes als dataminimalisatie en doelbinding verplicht. Dit raakt ook leveranciers buiten Europa die in de EU willen leveren.
Voor Nederlandse instellingen betekent dit extra zorg bij inkoop. Contracten moeten auditrechten, beveiliging en modelupdates afdekken. Logbestanden en prestatiemeting horen standaard te zijn. Zo blijft toezicht mogelijk in de klinische praktijk.
Inpassing in ziekenhuisworkflow
Een model is pas nuttig als het in de workflow past. Integratie met PACS en RIS via DICOM en HL7 is nodig. Triage en second reading moeten zonder extra klikken werken. Anders kost het tijd in plaats van dat het tijd bespaart.
Uitlegbaarheid helpt bij acceptatie. Visuele heatmaps tonen waarom een regio verdacht is. Heldere rapportages ondersteunen het verslag. Dit vergroot vertrouwen bij radiologen en verwijzers.
Beheer blijft een doorlopend proces. Software-updates kunnen prestaties veranderen. Daarom zijn baseline-metingen en kwaliteitsindicatoren nodig. Denk aan sensitiviteit, specificiteit en het aantal onnodige vervolgonderzoeken.
Lessen voor Nederland en EU
Europa kan profiteren van internationale ervaringen met borst- en schildklierdiagnostiek. In Nederland draaien al projecten met AI in het bevolkingsonderzoek borstkanker. Systemen zoals Transpara van ScreenPoint Medical tonen hoe tweede lezing tijd kan winnen. De mens blijft eindbeslisser, conform de AI Act.
Voor schildklierzorg zijn CE-gemarkeerde beslissingshulpen beschikbaar, maar de meerwaarde verschilt. Ziekenhuizen moeten eigen validatiestudies doen. Resultaten hangen af van apparatuur, protocollen en expertise. Regionale samenwerking kan data en kennis delen vergemakkelijken.
De workshop onderstreept dezelfde kernpunten als in Europa: valideer lokaal, borg privacy en integreer goed. Dit sluit aan bij de AVG en de Europese AI-verordening gevolgen overheid en zorg. Met duidelijke regels en bewezen workflowwinst kan AI de diagnostiek ondersteunen. Het doel blijft betere en snellere zorg voor patiënten.
