Lees het verhaal van Jan-Jaap Visser

‘Als radiologen hebben we te maken met beeldvorming bij kanker van onder meer de weke delen. Patiënten zien of voelen een bult, maar weten niet wat het is. Helaas geldt dat soms ook voor radiologen. Het kan een lipoom zijn, een goedaardig gezwel van vetweefsel. Maar het kan ook een laaggradig liposarcoom zijn, een vroeg stadium van kanker. Met het blote oog is dat niet waar te nemen op de medische beelden. Maar er zijn, buiten het waarnemingsniveau van het menselijk oog, wel degelijk verschillen.’

Dus heeft Jan-Jaap Visser, radioloog en universitair docent Value Based Imaging bij het Erasmus MC, samen met andere onderzoekers een eigen algoritme ontwikkeld. Dit algoritme kan het onderscheid tussen een goedaardig en een kwaadaardig vetgezwel met ongeveer negentig procent zekerheid vaststellen. ‘Dat kan het stellen van de diagnose natuurlijk aanzienlijk eenvoudiger en sneller maken. We zijn nu in overleg met Philips hoe we ervoor kunnen zorgen dat het algoritme kan worden toegepast in de klinische praktijk.’

Value Based Imaging

Jan-Jaap Visser is niet alleen radioloog, maar ook CMIO (Chief Medical Information Officer) van het Erasmus MC. Daarmee is hij een linking pin tussen de medische staf, de raad van bestuur en de afdeling IT.

Voor Visser is Value Based Healthcare, dat de uitkomsten van zorg centraal stelt, een belangrijk streven. In zijn eigen vakgebied werkt hij aan Value Based Imaging, dus specifiek gericht op de radiologie. ‘Die waarde van beeldvorming is lastiger vast te stellen dan bij andere disciplines. De resultaten van een chirurgische ingreep zijn meetbaar, die van een CT-scan of een MRI-scan minder’.

Verbetering workflow

Toch is ook hier sprake van bepaalde uitkomsten die van pas kunnen komen, bijvoorbeeld bij de verbetering van de workflow. ‘Goede doorlooptijden zijn van groot belang voor de zorg. Als je één patiënt meer per dag kunt scannen, levert dat al winst op. Zowel voor de patiënt, die sneller wordt geholpen, als voor het ziekenhuis, dat meer rendement haalt uit zijn apparatuur en personeel.’

Het Erasmus MC wil op deze manier een voorloper zijn bij toepassing van techniek in de zorg. ‘We willen grote stappen zetten, ook in de radiologie. We doen dat graag samen met een partner als Philips die veel kennis en ervaring in huis heeft, ook op het gebied van AI. We kunnen elkaar daarin versterken. Dat gebeurt al en ik verwacht voor de komende jaren nog meer. Ten bate van de patiënt en van ons als ziekenhuis.’

Lees meer over de oplossing van Philips voor Enterprise Imaging en de ontwikkeling van AI.

Enterprise Imaging:
Het Vue Clinical Collaboration Platform van Philips vormt een interoperabel ecosysteem voor klinische gegevens. Hierdoor kunnen zorgverleners bij alle beelden en andere gegevens die ze nodig hebben in het gehele zorgspectrum. Deze modulaire, op internationale standaarden gebaseerde Enterprise Imaging-oplossing is tevens geschikt voor meerdere locaties en domeinen en biedt realtime en directe toegang tot holistische klinische gegevens voor alle betrokkenen in de zorg, inclusief de patiënten. Het Vue Platform vormt de basis voor geïntegreerde diagnostiek, vereenvoudigt de ondersteuning van zorgpaden en maakt efficiënt gebruik van AI-toepassingen mogelijk. Philips ondersteunt met haar oplossingen ziekenhuizen in de volwassenwording van hun Imaging IT volgens het DIAM-model van HIMSS.

AI-ontwikkeling:
Philips IntelliSpace Discovery is een geïntegreerde research omgeving voor het ontwikkelen van AI-toepassingen. Het hele proces voor de aanmaak van nieuwe AI-algoritmes wordt mogelijk gemaakt, startend van de gegevensselectie en integratie, het trainingsproces zelf en de implementatie binnen de researchomgeving. De gebruiksvriendelijke Research Suites voor artsen, technici en datawetenschappers bevatten tools om op maat gemaakte data-analyse uit te voeren en AI-toepassingen te programmeren gebruikmakend van op standaarden gebaseerde AI-methodologieën. Deze geïntegreerde omgeving laat eenvoudige uitwisseling van relevante gegevens en realtime feedback toe tussen artsen en datawetenschappers voor een vlotte