AI Overtreft Specialisten in Diagnostiek Lage Rugpijn
Utrecht, vrijdag, 7 februari 2025.
Recent onderzoek door Jasper van der Graaf van het Radboudumc toont aan dat AI-tools in staat zijn om op MRI-scans oorzaken van lage rugpijn nauwkeuriger te identificeren dan ervaren radiologen. AI presteerde vooral goed bij scoliose, waar het consistent de grootste afwijkingen kon meten, iets wat slechts 18% van de radiologen overeenstemmend deed. Hoewel de potentiële impact van AI op besluiten over operaties nog niet volledig is onderzocht, toont deze technologie veelbelovende vooruitzichten voor verbetering van diagnosestelling en behandelbeslissingen in de medische wereld. Het project benadrukt de waarde van AI bij het efficiënt verzamelen en presenteren van diagnostische gegevens, ter ondersteuning van orthopedische artsen.
Innovatieve Training en Implementatie
Het baanbrekende AI-systeem werd ontwikkeld met behulp van bijna 500 MRI-scans uit vier verschillende ziekenhuizen [1][2]. Deze scans werden handmatig ingekleurd om de AI te trainen in het herkennen van belangrijke structuren in de wervelkolom [1]. De focus lag op de drie meest voorkomende oorzaken van rugpijn: scoliose (rugkromming), stenose (vernauwing van het zenuwkanaal), en problemen met tussenwervelschijven [1][2].
Superieure Nauwkeurigheid in Diagnostiek
Bij het analyseren van scoliose toonde het AI-systeem opmerkelijke precisie. Waar bij een test met vijftig patiënten slechts bij negen gevallen alle radiologen dezelfde hoek identificeerden, kon de AI consistent en nauwkeurig alle mogelijke hoeken berekenen en de grootste afwijking bepalen [1]. Deze superieure prestatie wordt mogelijk gemaakt doordat het AI-systeem systematisch alle mogelijke metingen kan uitvoeren zonder vermoeidheid of vooringenomenheid [2].
Toekomstgerichte Ontwikkelingen
Professor Bram van Ginneken, Hoogleraar Medische Beeldanalyse, benadrukt dat deze ontwikkeling een eerste stap is in een groter proces [1][2]. Het systeem presenteert de verzamelde informatie via een overzichtelijk dashboard aan orthopeden [1]. De volgende fase richt zich op integratie met de uitgebreide database van de Sint Maartenskliniek, waar patiëntgegevens zoals leeftijd, gewicht en behandelresultaten worden bijgehouden [2]. Deze combinatie zou kunnen leiden tot nog nauwkeurigere besluitvorming over operatieve ingrepen [1].