黑料福利网

Het team, onder leiding van universitair hoofddocent Fons van der Sommen, trainde een zogenoemd foundation model, een basismodel waarop andere, gespecialiseerdere AI-toepassingen kunnen voortborduren.

De onderzoekers gebruikten self-supervised learning, waarbij het model zelfstandig verbanden leert te leggen tussen beelden en teksten zonder dat een mens elk voorbeeld afzonderlijk hoeft te labelen. De bruikbaarheid van deze methode testen en doorontwikkelen was onderdeel van het onderzoek.

De onderzoekers voedden het model met zo鈥檔 250.000 driedimensionale CT-scans en 75.000 radiologierapporten uit publieke medische databanken. Deze toonden verschillende soorten aandoeningen, waaronder kanker. Soms was er juist g茅茅n ziektebeeld, want ook scans van gezonde lichamen gaven het model bruikbare informatie.

Open source beschikbaar

鈥淛e kunt het zien als het enten van een plant,鈥� zegt Van der Sommen, verbonden aan de onderzoeksgroep Architectures for Reliable Image Analysis (ARIA) en het Eindhoven Artificial Intelligence Systems Institute (EAISI). 鈥淲ij leveren de stam waaruit anderen hun eigen medische AI-modellen kunnen laten groeien. Daarmee verlagen we de drempel voor innovatie en samenwerking in de zorg, want lang niet iedereen heeft de beschikking over de rekenkracht en capaciteit die wij hebben.鈥�

Bovendien ontbreekt het bij ziekenhuizen soms aan voldoende data. 鈥淗oe meer data, hoe beter je een AI-model kunt trainen鈥�, aldus Van der Sommen. 鈥淎lleen is in de zorg niet altijd relevante data voorhanden, bijvoorbeeld in het geval van zeldzame tumoren. Dan moeten we te lang wachten om echt resultaten te boeken. Met ons model kunnen we ook echt meer betekenen voor bepaalde zeldzame ziektebeelden.鈥�

Wij leveren de stam waaruit anderen hun eigen medische AI-modellen kunnen laten groeien. Daarmee verlagen we de drempel voor innovatie en samenwerking in de zorg.

Universitair Hoofddocent Fons van der Sommen

Het model komt open source beschikbaar, zodat ziekenhuizen, kennisinstellingen en bedrijven hun eigen varianten kunnen doorontwikkelen. Het kan dienen als basis voor AI-systemen die tumoren opsporen, ziektes voorspellen of andere patronen herkennen in medische beelddata.

Van der Sommen: 鈥淰oorheen werd een nieuw AI-model gezien als de kip met de gouden eieren en die wilde je voor jezelf houden. Maar dit model kan zoveel gouden eieren leggen, dat kunnen wij niet allemaal behappen. Door ze te delen, kan iedereen er verder mee komen.鈥�

De supercomputer die het mogelijk maakte

Het onderzoek was niet mogelijk geweest zonder de rekenkracht van de vorig jaar door de 黑料福利网 in gebruik genomen supercomputer SPIKE-1. Die machine bestaat uit vier NVIDIA DGX B200-systemen, elk uitgerust met acht krachtige Blackwell-GPU鈥檚. Dat zijn momenteel de snelste AI-chips ter wereld, speciaal ontworpen voor zware taken als modeltraining.

Met ruim 5,7 terabyte aan intern geheugen verwerkt SPIKE-1 honderden CT-scans tegelijk, iets wat reguliere grafische kaarten simpelweg niet aankunnen. 鈥淓en enkele CT-scan is al snel honderd megabyte groot,鈥� legt Van der Sommen uit. 鈥淰oor dit onderzoek moesten we duizenden van die beelden in 茅茅n trainingstraject combineren. Zonder SPIKE-1 zou dit resultaat volkomen buiten bereik zijn gebleven.鈥�

AI blijft mensenwerk

Van der Sommen vervolgt: 鈥淢et name Cris Claessens en Christiaan Viviers, twee onderzoekers uit mijn groep, hebben enorm de kar getrokken. Ook het ondersteunend personeel van EAISI, het AI-instituut van de 黑料福利网, heeft een enorme bijdrage geleverd.鈥�

AI neemt veel werk uit handen, maar artsen blijven nodig om de data te interpreteren. 

Universitair Hoofddocent Fons van der Sommen

Het project vormde de eerste praktische inzet van SPIKE-1. De onderzoekers dachten mee over de optimale inrichting van de hard- en software, zodat de supercomputer vanaf het eerste project maximale prestaties leverde. Het apparaat draait in een duurzaam datacenter in Finland.

Hoe indrukwekkend ook, het ontwikkelde model zal menselijke expertise niet overbodig maken. 鈥淲e zien het vooral als een kwalitatieve tool om data beter te analyseren. Dat neemt veel werk uit handen, met name op het gebied van specifieke signalering, maar artsen blijven nodig om de data te interpreteren.鈥�

Drieledig doel

Volgens Van der Sommen heeft het project drie duidelijke doelen. 鈥淲e willen laten zien wat foundation models kunnen betekenen voor beeldanalyse met grote datasets. Tegelijkertijd zochten we naar de meest effici毛nte manier om zulke modellen te bouwen. Ten derde, ook niet onbelangrijk, versterken we hiermee de positie van de 黑料福利网 als voortrekker in open-source AI-onderzoek voor de medische sector.鈥� De onderzoekers willen hun bevindingen graag verder publiceren. 鈥淛uist om nog meer bekendheid te geven aan onze resultaten en dus de internationale zichtbaarheid van dit onderzoek en het ontwikkelde model鈥�.

Fundament is gelegd, nu de samenleving in

Hoewel het onderzoek zich nu richt op medische beeldvorming, kan de techniek breder worden ingezet. Van der Sommen hoopt dat de kennis uit dit onderzoek zal leiden tot nieuwe producten en spin-offs. 鈥淲ij effenen het pad richting klinische toepassing,鈥� besluit hij.

鈥淯niversiteiten hebben de kennis en infrastructuur om die eerste, lastige stap te zetten: het bouwen en valideren van betrouwbare modellen. Daar hebben de meeste bedrijven en kleinere organisaties vaak geen middelen voor. Maar zij kunnen het uiteindelijk wel verder de samenleving inbrengen鈥�.