25 maart 2017

Worden pathologie en radiologie één specialisme?


In de 18de eeuw sloegen de volgelingen van John Ludd mechanische weefgetouwen aan diggelen en wilden zo de eerste Industriële Revolutie verhinderen. Zien we straks radiologen met een voorhamer computers in elkaar slaan? Het is mogelijk, na de lectuur van een artikel van Dr. Eric Topol (directeur van het Scripps Translationeel Science Institute) en Saurabh Jha (radioloog aan de University of Pennsylvania) die voorstellen om de pathologie en radiologie in één nieuw "Informatiespecialist" discipline samen te voegen.


Artificiële intelligentie (AI) is niet langer sciencefiction en wordt ook in de geneeskunde werkelijkheid. De combinatie van big data en AI is het resultaat van de 4de Industriële Revolutie, en dat zal vooral op de radiologie en de pathologie, en later ook op andere medische specialismen, zijn invloed hebben. Dacht u dat een computer de radioloog of patholoog niet kan vervangen, denk dan opnieuw. AI is geen vijand, radiologen en anatoompathologen moeten zich niet omscholen tot luddieten, maar ze zouden er wel goed aan doen om een strategisch plan te ontwikkelen voor ze door de werkelijkheid voorbij gestoken worden.


De details van zo'n fusie zijn nog lang niet volledig uitgewerkt maar het algemene concept is dat deze informatiespecialisten de belangrijke medische gegevens zouden interpreteren, advies zouden geven over de toegevoegde waarde van een of andere diagnostische test, zoals de noodzaak voor aanvullende beeldvorming, anatomische pathologie of een laboratoriumtest, en zouden zorgen voor de integratie van alle beschikbare informatie ten behoeve van de clinici. Deze nieuwe specialisten moeten dus de Bayesiaanse logica beheersen, statistiek en datamanagement kennen en zich bewust zijn van andere informatiebronnen zoals genomica en biometrische gegevens, voor zover ze gegevens uit uiteenlopende bronnen over de klinische toestand van een patiënt kunnen integreren.


Ik hoor de clinici al de vraag stellen hoe die R&P (laten we zo even noemen) gaan bepalen wat "belangrijke data" zijn. Wat is "belangrijk"? Nieuwe diagnoses van maligniteit? Identificatie van besmettelijke organismen? Positieve marges?
Ik lanceer hier een idee en schrijf geen nieuw opleidingsplan.


En nu een uitspraak die menigeen op zijn paard zal krijgen: Machine learning kan nu al in sommige gevallen beter prognoses voorspellen dan pathologen kunnen. Zo wordt de prognose van niet-kleincellig longcarcinoom nauwkeuriger voorspeld door de computer dan door de arts, en dat dankzij het beheersen van de criteria, en door beeldanalyseparameters die alleen kunnen worden gebruikt en gekwantificeerd door het gebruik van de juiste software. Combineer zo'n methode met moleculaire tests en je bent vertrokken voor een schitterende toekomst.


Dit is een zeer interessante fusie. Maar ik ben ervan overtuigd dat ze een enorme weerstand zal oproepen. Toch moeten radiologen en anatoompathologen beseffen als ze niet veranderen, ze zullen uitsterven. IBM Watson biedt nu al een betere analyse van de beelden beter dan zij kunnen doen.


Dat is de realiteit van gisteren. Het begin van de 5de industriële revolutie. John Ludd kan er alleen maar naar kijken. In een recent artikel in de JAMA omschreef men deze nieuwe discipline als "diagnostic medicine," "integrated diagnostics," of ook "full service diagnostics," een combinatie van radiology, pathology, en moleculaire testing.
Het is geen nieuw idee. Dr. Bruce Friedman schreef in 2006 al op zijn blog Lab Soft News de "Ten Reasons for merging pathology/lab medicine with radiology."


Overigens kan men de vraag stellen of een arts nog wel een mens moet zijn? Een nieuwe computer, "Ellie," die ontwikkeld werd aan het Institute for Creative Technologies van de University of Southern California, stelt alle vragen die een clinicus stelt zoals hoe de patiënt eet, hoe hij slaapt, hoe hij zich voelt en ga zo verder. Ellie analyseert ook de verbale reacties van de patiënt, zijn gezichtsuitdrukkingen en vocale intonaties, en spoort tekenen van een posttraumatische stressstoornis, depressie of andere aandoeningen op.


In een gerandomiseerde studie, werd 239 proefpersonen al dan niet verteld dat Ellie "gecontroleerd werd door een mens" of "door een computerprogramma." Zij die het laatste geloofden gaven meer intieme en persoonlijke details aan Ellie. In China maken miljoenen patiënten wanneer ze voor hun vragen en zorgen een luisterend oor zoeken, gebruik van Xiaoice, Microsoft's chatbot. Ze weten dat Xiaoice geen mens is. Xiaoice ontwikkelt een speciaal afgestemde persoonlijkheid, heeft gevoel voor humor, en bereikt dit door methodische datamining naar de inhoud van echte chats op het Internet. Xiaoice leert aan de hand van hun reacties na verloop van tijd ook over zijn gebruikers en wordt gevoelig voor hun emoties, en kan zonder menselijke instructie zijn reacties dienovereenkomstig aanpassen. Ellie en Xiaoice zijn het resultaat van machine leertechnologie. AI dus.


In Nederland wordt sinds 2009 de opleiding van medisch ingenieur aangeboden. Deze vijfjarige opleiding in de technische geneeskunde –niet te verwarren met medisch technicus- vormt informatici en technici die een bijzondere kennis hebben van geneeskunde en van IT en werktuigkunde. Ik geloof dat dit een stap naar de toekomst is.

Marc van Impe


http://jamanetwork.com/journals/jama/article-abstract/258...
http://tissuepathology.com/Tags/lab-soft-news/#axzz4bD52h...
https://www.youtube.com/watch?v=ejczMs6b1Q4

Bron: MediQuality

08:47 Gepost door Marc van Impe | Permalink | Commentaren (0)

Post een commentaar