Geen black box meer: patiënt ziet toekomstig gezicht na huidoperatie
Om met AI te voorspellen hoe een gezicht eruit gaat zien na een huidkankeroperatie, verzamelt PhD’er Tim d’Hondt de juiste data. Met die data kan een reconstructie worden gemaakt die patiënten helpt beslissen over de juiste behandeling.
Plastisch chirurg Maarten Hoogbergen van het Catharina Ziekenhuis werkt aan AI die patiënten straks helpt bij het maken van keuzes na een huidkankeroperatie in het gezicht. Tim d’Hondt, PhD bij de onderzoeksgroep Data Mining and AI van de faculteit Mathematics & Computer Science (M&CS), onderzocht in dit onderzoeksproject hoe data die AI gebruikt het beste kan worden verzameld. “We staan echt aan het begin”, zegt Hoogbergen. “Dit is de investeringsfase.”
Stel: je krijgt huidkanker in je gezicht. De tumor moet worden weggehaald. Daarna blijft er een wond achter die hersteld moet worden. Voor de ene patiënt is een zo mooi mogelijk resultaat het belangrijkst. Voor de ander telt vooral snel herstel of zo min mogelijk extra operaties.
Precies daar wil plastisch chirurg in de toekomst AI voor inzetten. Niet om de keuze van de arts over te nemen, maar om het gesprek tussen patiënt en arts te ondersteunen. Welke behandeling past medisch gezien? En welke uitkomst past bij de kwaliteit van leven die deze patiënt wenst?
Zelf bepalen
Voor een kans om zijn kennis in de praktijk toe te passen. “Als we voldoende data verzamelen, kunnen we toekomstige patiënten via verschillende modellen laten zien hoe hun gezicht na de operatie er mogelijk uit zal zien. En daarmee kunnen ze meebeslissen over de behandelingskeuze. Het is voor hen dan geen blackbox .”
Het ultieme doel is om patiënten in de toekomst twee soorten voorspellingen voor te schotelen: één voorspelling van tevredenheid bij een behandelingskeuze, gegeven demografische eigenschappen van de patient, zijn of haar voorkeuren, de locatie van de wond etc. “Dat noemen we ook wel het tevredenheidsmodel”, ligt d’Hondt toe. En daarnaast een visuele voorspelling van het gezicht, die uit een AI-model komt dat vele honderden foto's van eerdere operaties en bijbehorende resultaten heeft gezien.
Wie nu in behandeling is, ziet nog geen kant-en-klare AI-tool op het bureau liggen. En dat is precies het punt. “De patiënt merkt nu vooral dat hij gegevens aanlevert”, zegt Hoogbergen. “Vragenlijsten invult, foto’s laat maken en toestemming geeft. We zijn bezig met het verzamelen van de juiste data. Dat is nodig om straks goede voorspellingen te kunnen doen.”
Leggen van leidingen
AI klinkt vaak als iets magisch: een slim systeem dat in een paar seconden antwoord geeft. Maar voordat zo’n systeem veilig en betrouwbaar kan helpen in de zorg, moet er veel werk gebeuren dat minder spectaculair klinkt. In feite is het Catharina Ziekenhuis nu vooral bezig met het leggen van de leidingen: gegevens verzamelen, processen goed inrichten en ervoor zorgen dat patiëntinformatie veilig en bruikbaar wordt vastgelegd.
Samen met masterstudente Industrial Design Blom van der Toom werkte d’Hondt het afgelopen jaar aan het volledig in kaart brengen van het zorgproces voor patiënten met huidkanker in het gezicht. Om zo vast te stellen waar welke data wordt verzameld en gebruikt. Vragen die daarbij horen: Wanneer krijgt de patiënt informatie? Wanneer wordt toestemming gevraagd? Wanneer worden foto’s gemaakt? Wanneer vult iemand de vragenlijst in? En hoe zorgen we ervoor dat al die informatie op de juiste plek terechtkomt?
“Dat moet je goed regelen,” zegt Hoogbergen. “Je wilt niet dat zorgverleners steeds opnieuw moeten bedenken welk formulier nodig is of welke stap nog moet gebeuren. Het proces moet zo zijn ingericht dat de patiënt goed geïnformeerd is en dat we op een veilige manier betrouwbare data verzamelen.” Die data bestaan onder meer uit medische foto’s. Patiënten worden op vaste momenten gefotografeerd: vóór de ingreep, na de reconstructie en bij controle. Ook vullen zij de FACE-Q Skin Cancer in, een vragenlijst die meet hoe patiënten hun uiterlijk, herstel en kwaliteit van leven ervaren.
Stem van patiënt
Voor Hoogbergen is dat de kern van het project. Niet de technologie zelf, maar de stem van de patiënt. “Als arts ben je altijd gekleurd door je opleiding, je ervaring en je eigen ideeën over wat een goed resultaat is”, zegt hij. “Maar wat ik een mooi resultaat vind, hoeft niet hetzelfde te zijn als wat de patiënt belangrijk vindt.”
Dat is ook voor d’Hondt een cruciaal element binnen het project. “Je wilt dat patiënten achter hun eigen behandelproces staan.” De PhD’er noemt het project een “leuke mix tussen het harde modelleren van een probleem en het nuttig informeren van de patiënt.” Hij was aanwezig bij verschillende gesprekken tussen artsen en patiënten. Dat gaf hem veel inzichten in hoe het nu gaat, wat er ontbreekt aan informatie en hoe dat met de juiste dataverzameling beter zou kunnen.
Angst wegnemen
“Je wilt mensen hun angst wegnemen en geruststellen dat het goed komt”, licht d’Hondt toe. Hoogbergen haakt daarop in met zijn eigen ervaringen. Hij zag patiënten die volgens hem technisch gezien een prachtig resultaat hadden, maar toch ontevreden bleven. En hij zag patiënten bij wie hij zelf kritisch was op het resultaat, terwijl zij juist heel blij waren omdat ze weer konden doen wat voor hen belangrijk was. “Toen dacht ik: wacht even. Hoe kan het dat mijn beoordeling zo anders is dan de ervaring van de patiënt? Daar moet ik iets mee.”
Sindsdien houdt Hoogbergen zich bezig met uitkomstmetingen in de plastische chirurgie. Daarbij wordt niet alleen gekeken naar de medische uitkomst, maar ook naar wat de behandeling betekent voor het dagelijks leven van de patiënt. Kan iemand weer onder de mensen komen? Voelt iemand zich prettig bij zijn uiterlijk? Was de belasting van de behandeling het waard?
Leren van eerdere patienten
De volgende stap is dat AI leert van eerdere patiënten. Het systeem moet foto’s, medische gegevens en uitkomsten van vragenlijsten kunnen combineren. Zo kan het in de toekomst mogelijk voorspellen welke behandeling bij welke patiënt de grootste kans geeft op een uitkomst die past bij zijn of haar wensen.
Maar zover is het nog niet. “We staan echt aan het begin,” zegt Hoogbergen. “Eerst moet je een goed AI-systeem hebben dat kan voorspellen hoe het resultaat na een reconstructie eruit kan zien. Daarna moet je die voorspelling koppelen aan de uitkomsten van de vragenlijsten. Pas dan kun je echt gaan kijken welke behandeling voor welke patiënt de beste kans geeft op de gewenste kwaliteit van leven.”
Proefdraaien met wenkbrauwen
Om zo’n goed werkend AI-systeem te krijgen, moet je het laten proefdraaien met data die vergelijkbaar is met de nu nog schaarse patiëntendata. Aan dat exploratieve onderzoek werkt d’Hondt nu samen met Rozhan Moosavi, masterstudente Data Science and AI. “Zij test het systeem met heel veel verschillende foto’s van wenkbrauwen. Daarmee leren we een model wenkbrauwen te laten genereren met verschillende eigenschappen die we vooraf meegeven, zoals dikte of kleur. Net zoals het model later littekenweefsel moet genereren op basis van de behandelingsmethode die zou plaatsvinden.”
Het is dus geen kwestie van een app bouwen en klaar. Het gaat om jaren werk: gegevens verzamelen, modellen trainen, controleren of de voorspellingen kloppen en zorgen dat alles veilig en zorgvuldig gebeurt.
Sneller iets tofs neerzetten
Hoe meer data, hoe beter. d’Hondt hoopt dat het Catharina Ziekenhuis collega-ziekenhuizen zover krijgt dat zij ook data verzamelen. “Dat kunnen we veel sneller iets tofs neerzetten.” En de zorg om de privacy van de patiënten kan hij wegnemen. “De foto’s zitten digitaal achter slot en grendel. We bouwen het model zo dat het geen gevoelige data, zoals foto’s, lekt.”
Het project sluit aan bij het doel van het Centrum voor Veilige AI, een ϸ-initiatief dat zich in de opbouwfase bevindt. Vanuit dit centrum worden technische en sociaal-technische uitdagingen opgepakt die gepaard gaan met de ontwikkeling en toepassing van AI, met bijzondere aandacht voor effectiviteit, robuustheid, rechtvaardigheid, verantwoordingsplicht en samenwerking tussen mens en AI.
Aandacht vasthouden
AI blijft in dit project een hulpmiddel voor gesprek. De arts blijft nodig. De patiënt blijft degene om wie het draait. De technologie helpt om de keuze beter te onderbouwen. Dat is ook de lijn die het Catharina Ziekenhuis breder kiest. AI is geen doel op zich. Het moet helpen om zorg slimmer, persoonlijker en betaalbaar te houden.
Binnen de kliniek merkt d’Hondt dat er twijfels bestaan over het systeem dat wordt getest. “De artsen die meewerken en er tijd in investeren, krijgen er nog weinig voor terug. We zijn vooral bezig met het verzamelen van data. Ze moeten erop vertrouwen dat het goed komt.” Aan d’Hondt en de masterstudenten die hem helpen de taak om de interesse en aandacht van de medisch specialisten vast te houden.
De basis van dit artikel is geschreven door het in het kader van hun maandelijkse serie ‘Vooruit met zorg’. In die serie laat het ziekenhuis zien hoe innovatie, onder meer door het gebruik van AI, bijdraagt aan betere zorg, dicht bij de patiënt.
Meer Health Technologies nieuws