Panops.ai verbetert opsporing van nierstenen in OLVG challenge

Een mythische, alziende reus was inspiratiebron voor het Panops.ai team, dat de kracht van computer visie benut om gezondheidszorg te verbeteren. De opsporing van nierstenen verbeteren was het doel. Het team ontwikkelde een prototype dat meer informatie geeft dan bestaande methoden.

De uitdaging voor deze verbetering kwam van het OLVG-ziekenhuis in Amsterdam, als onderdeel van het ACE AI Lab programma, een initiatief van ACE Incubator.

Balázs Borsos doet zijn masteropleiding in Artificial Intelligence aan de Amsterdamse VU en ontdekte de challenge van het OLVG tijdens een ACE AI Lab meetup. “De technologie is er om zulke dingen te kunnen doen,” zegt hij, “dus het leek een perfecte gelegenheid om het te gaan proberen.” Dit deed hij via een netwerk van universiteitsgroepen met teamleden Laura Alvarez, Diego Manjarres en Julio Lopez. Allemaal hebben ze een grote interesse in AI en computer visionComputer vision geeft computers de mogelijkheid om beelden te verwerken op een vergelijkbare manier zoals mensen dit kunnen. Een computer is dan in staat objecten te identificeren, deze beelden te analyseren en te interpreteren om vervolgens beslissingen te nemen of een actie uit te voeren. Zoals ook een deel van het menselijk brein informatie verwerkt die het van de ogen ontvangt. en hoe deze kunnen worden toegepast in de gezondheidszorg.

De naam van het team, Panops.ai, is geworteld in de Oudgriekse woorden voor ‘allen’ en ‘zicht’ en verwijst naar het mythische schepsel Argus Panoptes. Het was, zegt Borsos, “echt een geweldige match. Een alziende reus met 100 ogen toepassen op een bedrijf dat computer vision probeert te gebruiken voor patiëntendiagnose.”

Detecteren en bepalen

De aanvankelijke opdracht van het OLVG was duidelijk: CT-scanbeelden analyseren om automatisch nierstenen op te sporen en hun parameters te bepalen om de behandeling te personaliseren. Het team had de vrijheid om te bepalen hoe ze de uitdaging zouden aanpakken. Ze werkten samen met de urologen en radiologen van het ziekenhuis om inzicht te krijgen in hun diagnostische processen en hoe deze verbeterd konden worden. Hun eerste ideeën, aldus Borsos, waren gericht op “de meest geavanceerde, complexe dingen die we konden doen”. Maar het team besefte al snel dat ze hun aanpak moesten vereenvoudigen. Het was moeilijk om de grote hoeveelheden data te verkrijgen die nodig zijn om geavanceerde modellen te trainen voor machine learning.Machine learning is een vorm van kunstmatige intelligentie, gericht op het bouwen van systemen die van verwerkte data kunnen leren of data gebruiken voor verbeterde prestaties.

Visualiseren in 3D

Het team besloot zich te beperken en te werken met direct beschikbare data om zo snel mogelijk een prototype te maken. Met feedback van medische professionals werd de tool verder verbeterd. Het resultaat was een prototype dat automatisch nierstenen kan karakteriseren en ze ook in 3D kan visualiseren. Het instrument kan variaties in de structuur en dichtheid van de stenen laten zien. Dat was niet mogelijk met de huidige methoden. De grootte en de structuur in meer detail kunnen meten betekent dat artsen beter kunnen voorspellen welke behandelingen het meest effectief zijn. Zo kunnen sommige grotere stenen met ‘schokgolven’ behandeld worden, zodat een invasieve operatie niet nodig is.

Betere resultaten, lagere kosten

Ziekenhuizen evalueren nieuwe methoden en behandelingen aan de hand van specifieke meetcriteria: betere ervaringen van artsen en patiënten, lagere zorgkosten en betere resultaten. Het Panops.ai team voldeed aan al deze punten. Hun tool maakt en registreert automatisch meerdere metingen tijdens een enkele scan. Dat bespaart artsen tijd en biedt hen nauwkeurigere gegevens. Hierdoor hoeven patiënten minder behandelingen te ondergaan en het aantal mislukte procedures neemt af. Dat verlaagt de kosten van de zorg en mogelijk ook de duur van de ziekenhuisopname. Traditionele methoden leveren een eenvoudig zwart-witbeeld op, maar het Panops-prototype genereert een 3D-beeld dat extra informatie bevat, wat de diagnose en behandelingsbeslissingen ten goede komt.

Samenwerking is essentieel

Het team presenteerde hun project in december op een ACE AI Lab-evenement. Dr. Carolien Toxopeus, radioloog & innovatiespecialist bij OLVG, complimenteerde hen met hun harde werk en omschreef hen als “een stap vóór op AI-bedrijven die geen artsen aan boord hebben.” Borsos is het ermee eens dat samenwerking tussen innovators en zorgverleners cruciaal is om vooruitgang te boeken: “We werken samen en maken gebruik van elkaars de sterke punten en expertises om iets te creëren dat meer is dan de som der delen. We proberen een sterke focus te houden op onze relaties met artsen en medische professionals, want uiteindelijk willen we hen helpen met onze innovaties.”

Nieuw tijdperk in gezondheidszorg

OLVG en unitleider urologie dr. Ernst van Haarst zetten de samenwerking met Panops.ai nu voort na de eerste pilotperiode. Borsos heeft er alle vertrouwen in dat het team de modellen voor detectie en behandelingsvoorspelling verder zal kunnen ontwikkelen. Hij is gepassioneerd over het potentieel van AI-technologieën om een nieuw tijdperk in de gezondheidszorg te ontsluiten. “AI is er niet om menselijke vaardigheden te vervangen, maar om ze uit te breiden. Machines zijn geweldig in het verwerken van enorme hoeveelheden data en het vinden van patronen. Daar kunnen we gebruik van maken om eerdere behandelingen, ervaringen en de kennis van andere patiënten te benutten. Het is een geweldige aanvulling op het menselijk beoordelingsvermogen en het vermogen om genuanceerde beslissingen te nemen.”

Ondersteunend ecosysteem

Voor innovatieve startups zoals Panops.ai biedt het ecosysteem van ons initiatief Smart Health Amsterdam inspirerende mogelijkheden. Niet alleen om in contact te komen met gezondheidswerkers, maar ook met anderen die werken aan AI en data science in de LSH-sector. Borsos zegt dat deelname aan de Intelligent Health and World AI Summit in Amsterdam vorig jaar “een transformerende ervaring” was voor het team. “We konden daar echt naar toe gaan en met eigen ogen zien wat er gebeurt op het gebied van cutting-edge projecten, en netwerken met professionals en geweldige bedrijven. Het ecosysteem helpt startup-teams hun doelen te bereiken. Vooral op deze conferenties zijn mensen echt behulpzaam als ze zien dat iemand ergens gepassioneerd over is. Zelfs de Chief Technology Officer van een groot bedrijf die alles al gezien heeft, is bereid om met je te praten en je te helpen.

Impact maken

Borsos is optimistisch over hoe challenges – zoals deze van het OLVG – de toekomstige medische vooruitgang kunnen blijven stimuleren. “Wij geloven sterk in het maken van impact met AI, en het verbeteren van de gezondheidszorg is een van de meest impactvolle dingen die we vandaag de dag kunnen doen. We hopen dat andere mensen deze visie delen, of dat nu artsen, studenten, investeerders of professoren zijn. En we hopen dat meer en meer mensen zich bij ons aansluiten op dit pad.”

#slimgroengezond

Wil je meer van dit soort artikelen lezen? Volg ons dagelijks op LinkedIn, Twitter en schrijf je in voor onze Board Update.