IT en Radiologie

IT en RadiologieToekomstige uitdagingen

Dr. Erik Ranschaert

EuSoMII vice-president

LOK Roeselare 25 sept. '17

Voorbije 2 decennia

PACS en RIS SpraakherkenningSnellere & meer

performante modaliteiten

Nieuwe sequenties,

scantechnieken, hybrid imaging


Nu

Cloud technologie

Processing power

Big dataArtificiële

Intelligentie


Fase Oranje• Snelle ontwikkeling van A.I.

• Bijna maandelijks nieuwe studies

die aantonen dat A.I. beter

presteert dan mensen

• Aangenomen wordt dat binnen

10 jaar algoritmes het beter

zullen doen dan artsen voor 80%

van de diagnoses


https://medium.com/the-healthcare-nerd-the-digital-strategist/a-new-partnership-between-humans-and-machines-in-healthcare-bb4561e00270

Drijfveren van digitale revolutie in de zorg

• Progressieve digitalisering van samenleving :

– Breedband, cloud-based services, apps, devices, IoT

• In de gezondheidszorg:

– Shift naar value-based model

Meer value = meer effectiviteit voor minder kosten

– Reductie van onnodige onderzoeken en behandelingen

(=15 – 20%)

– Integratie van administratie en dossier (EPD)

– Vraag naar uitwisseling van digitale informatie


Spelers

• Ziekenhuizen, bedrijven (GE, Siemens, Philips), farma-sector

Traditionele spelers

• RIZIV, verzekeringen, politici

Gevestigde spelers

• Amazon, Google, Apple, AI startups

Rebellerende spelers: “Digital Disrupters”


AI s

tart

up

s


BedreigingenVoor traditionele spelers:

1. Digitalisering van medisch dossier -> meer inzicht en controle over

effectiviteit en kwaliteit van behandelingen (value or not?)

2. Shift naar value-based financiering

3. Indien medicijn of apparaat niet efficiënt-> geen marktwaarde, geen

terugbetaling

4. Ontstaan van nieuwe (alternatieve) services, die niet met medicijnen

werken of binnen het klassieke zorgpatroon vallen


Meest kwetsbaar• Automatiseerbare processen,

standaardonderzoeken

– Datacollectie + data-analyse

(processing)

– Bediening & gebruik van apparaten

• ABUS

• Mobiele echografie (spoed, 1e lijn)

• Vervangbare technieken

– Liquid biopsies ipv mammografie


Mobiele echotoestellen• FDA approval voor Lumify

• Maandelijks 199 $

• “Pocket-sized ultrasound

machines can be useful in

emergency screenings”


Tse KH, Luk WH, Lam MC. Pocket-sized versus standard ultrasound machines in abdominal imaging. Singapore Medical Journal. 2014;55(6):325-333. doi:10.11622/smedj.2014078.

Belangrijkste veranderingen• Meer apps, meer sensoren, meer devices

• Permanente monitoring van gezondheid van

individuën, preventief beleid, online

coaching , zeer veel clinical data beschikbaar

• Apps met directe toegang tot zorg

• Videoconsultaties

– 85% van consultaties vereist geen fysiek

contact (Babylonhealth.com)

=> Grote rol voor “rebellerende” spelers:

Amazon, Google, Apple


Andere trends

1. Shift van “skills”: van modaliteiten -> organen en

ziekten

2. Integratie van ziekte-geörienteerde specialismen

3. Concentratie van skills & services in gespecialiseerde

centra


Waarin ligt de waarde van de radiologie?

1. Geschiktheid: snel, efficiënt, veilig, betaalbaar

2. Accuratesse: sensitief en specifiek

3. Veiligheid: fysiek + mentaal + informationeel

4. Verslaglegging: gestandaardiseerd, gestructureerd,

klinisch bruikbaar, integreerbaar, interactief

5. Communicatie: correct en tijdig


Toepassen van A.I. in radiologie

1. Definiëren van onvolkomendheden en

verspillingen in radiologie => vertrekken

vanuit probleemstelling

2. Met A.I. toepasbare oplossingen vinden


Onvolkomendheden

• Beperkte kwaliteit: 15-20% diagnostische discrepanties

• Tekort aan subspecialisatie

• Onvoldoende communicatie met patiënten en verwijzers

• Kwetsbaarheid van data

• Inefficiënte tijdsbenutting


Bronnen van tijdsverspilling• Selectie van juiste onderzoek door de verwijzer

• Boeken van onderzoek

• Wachttijd voor onderzoek (patiënt)

• Administratie en documenten (informed consent etc.)

• Selectie van juiste protocol door radioloog/laborant

• Beoordeling van alle beelden en sequenties (incl. voorgaande)

• Postprocessing time

• Produceren en communiceren van (complex) verslag

• Aanvullingen/correcties op verslag


Mogelijke A.I. oplossingen1. Dataverzameling

2. Dataprocessing

3. Andere:

– Management: facturatie, QA, uitkomsten

– Expertise: I.A., vlotte integratie van andere data

– Betere interactie met verwijzers en clinici



•Elektronische aanvragen met automatische invulling van EPD-data

•CDS (ESR iGuide)

•Electronische informed consent

•Standaardisatie van scanprotocollen

•Automatische vergelijking met voorgaande onderzoeken

Dataverzameling

Bestaand

•Automatische aanduiding van afwijkingen (key images, CAD)

•Automatische reconstructies

•Automatische analyse (bijv. BoneXpert, imaging biomarkers)

•Automatisatie verslaglegging, interactief-type verslagen

•Automatisatie 2e lezing collega of expert opinion elders

Data processing

Bestaand

•Gesofisticeerde verslaglegging met coding, NLP

•Automatisatie mededeling van kritische bevindingen

•Gebruik van data voor onderzoek

•Gebruik van data voor geautomatiseerde facturatie

•Gebruik van data voor business analytics

•Gebruik van data voor QA en safety

Data processing

Optioneel

Imaging biomarkers

ADC-metingen bij prostaatcarcinoma

Classificatie van ziekte

A.I. bij verslaglegging1. Triage van relevante beelden vòòr verslaglegging

2. Gestandaardiseerde metingen volgens bestaande richtlijnen (bv. RECIST)

3. Semi-automatisatie van verslaglegging

1. Gestructureerde verslagen = workflow verbetering

2. Automatische scoring (PIRADS, BIRADS, LIRADS, TIRADS, CRADS)

3. Automatische coding van bevindingen en diagnose voor research (data mining)

4. Automatische aanpassing van taal en stijl van verslag ngl. bestemmeling (NLP)

5. Automatische organisatie van verslag, automatisch aanbieden van “missing topics”


Soorten netwerken


Blo

ckch

ain

ser

vice

s


Hoe gebruiken in de zorg?• Uitwisselbaar maken van patiëntendata (EPD)

• Slimme contracten tussen zorginstellingen met afspraken over toegang tot

patiëntendata

• Unieke en authentieke data voor trials, geen fraude meer

• Ontwikkeling van precision medicine: samenwerking tss patiënten +

specialisten/experten

• Koppeling van data aan genomics -> radiomics + radiogenomics

• Regionale + nationale beschikbaarheid van informatie/data


Tijd?• Algoritmes ontwikkelen + testen + goedkeuren

• Traditionele & gevestigde spelers hebben tijd

nodig om zich aan te passen

– Security, privacy, accuracy

• Komende 15 jaar, progressief


Human-level machine intelligence

%kans dat AGI wordt bereiktSuperintelligence: Paths, Dangers, Strategies (Nick Bostrom, 2014)

Herdefiniëren van radiologie• Makkelijk & snel uitwisselen van data

• Shift naar kwantitatieve data

• Omarmen en juist toepassen van AI

• Evolutie naar gepersonaliseerde zorg

• Evolutie naar beeldgeleide behandeling

• Betere communicatie met patiënten en clinici

– e-Consultation

– Aangepaste stijl/vorm van verslagen

– OpvolgingEliot Siegel, schooling IBM’s Watson at the University of Maryland; Image courtesy RSNA.org

SamenvattingDe radioloog kan gebruik maken van de nieuwe IT-

ontwikkelingen en A.I. op 4 terreinen:

1. Workflow management

2. Beeldinterpretatie

3. Sturen van behandeling

4. Communicatie met patiënten en artsen

Patient

Patient Data, EHR

Dynamic workflow

monitoring and management

Image analysis Artificial Intelligence Disease monitoring

Communication social media,

tele-consultation, online scheduling

Treatment decisions,

Image-guided therapy

Radiologist Manager radiology services

Workflow Interpretation Treatment Communication

Game Changers in RadiologyProgram

Strategic view on

radiology evolution

Machine learning: how does it work?

A.I. applications

beyond clinical data

Panel discussion: “Future of

A.I. in radiology”

International Panel

• Eliot Siegel

• Raym Geis

• Paul Suetens

• Wiro Niessen

• Bram van Ginniken

• Bernard Gibaud

• Ben Glocker

• Daniel Pinto Dos Santos


IT en Radiologie

Health & Medicine

Transcript of IT en Radiologie