AI Machine Vision die onze gezondheid wil revolutioneren

Machine Vision & Gezondheid

Samen met LLM’s (large language models) zoals ChatGPT is machine vision een van de belangrijkste recente ontwikkelingen in AI. De verschillende methoden die hiervoor worden gebruikt, zoals neurale netwerken en deep learning, stellen computers nu in staat hun omgeving echt te zien.

Een toepassing van dit idee is computers taken van mensen laten overnemen, zoals autorijden, of robots volledige autonomie in de echte wereld geven in plaats van beperkt te blijven tot fabrieksvloeren.

Het is een van de belangrijkste drijfveren voor de adoptie van machine vision, een snelgroeiende markt die naar verwachting $9,2 mrd zal bereiken tegen 2029.

Bron: EPAM

Maar een andere even belangrijke taak is het beoordelen van onze gezondheid. Veel medische diagnoses zijn afhankelijk van visuele beoordelingen door artsen. Dit omvat directe onderzoeken en deskundige analyses van radiografie, scanners en andere medische beelden.

In de meeste gevallen zijn deze visuele inspecties enigszins subjectief. Een arts heeft vele jaren ervaring nodig om volledig vertrouwen te hebben in zijn beoordeling. En tot nu toe maakte de complexiteit van elk lichaam, dat net iets anders is, het te complex voor geautomatiseerde metingen.

Dit verandert eindelijk, en veel bedrijven onderzoeken nu het inzetten van AI-machinevision om superieure analyses van medische beelden te creëren.

Direct Visueel Onderzoek

We hebben onlangs het geval onderzocht van het gebruik van AI om beter dan een menselijke arts oorinfecties te detecteren in ons artikel “AI Poised to Become Invaluable Medical Diagnosis Tool”

Dit kan worden uitgebreid naar vele andere pathologieën; bijvoorbeeld, Google’s AI-beelden kunnen worden gebruikt om 26 verschillende huidziekten (80 % van de gevallen gezien in de eerstelijnszorg) te diagnosticeren, diabetische retinopathie te detecteren, of zelfs het risico op het ontwikkelen van diabetische retinopathie in de toekomst te voorspellen.

Nog verrassender is dat AI ook gezondheidsproblemen kan detecteren aan de hand van visuele inspecties die mensen niet kunnen gebruiken; bijvoorbeeld, het detecteren van bloedarmoede (normaal gesproken vereist een bloedtest) door een blik op het netvlies van het oog. Dezelfde methode kan ook worden gebruikt om hartaanvalrisico’s te voorspellen.

Het kan ook laesies detecteren die een menselijk oog zou missen; bijvoorbeeld, de grotere nauwkeurigheid van Iterative Health’s AI kan helpen bij het detecteren van maag- en colorectale kankers.

Medische Beeldanalyse

Hoe verfijnder de medische beelden worden, zoals röntgenfoto’s, tomografie, CT-scans, echografie en andere, hoe complexer de beeldanalyse.

Geavanceerde AI kan nu helpen bij het verbeteren van beeldkwaliteit, gegevensverwerking en data-analyse.

Bijvoorbeeld, Cleery gebruikt AI om Coronary Computed Tomography Angiography (CCTA)-gegevens te analyseren om “ een 3D-model van de coronaire arteriën van de patiënt te genereren, hun lumen en vaatwanden te identificeren, stenoses te lokaliseren en kwantificeren, evenals plaque te identificeren, kwantificeren en categoriseren.”

Butterfly Network verandert de manier waarop echografie wordt uitgevoerd dankzij halfgeleiderchips die piëzo‑elektrische sensoren vervangen en AI om mobiele 3D-modellen van de interne organen van de patiënt te creëren.

Bron: Butterfly Network

Verisound AI, een dochteronderneming van GE Healthcare biedt realtime begeleiding aan de beoefenaar, geautomatiseerde beeldvastlegging en toegewijde gespecialiseerde AI’s voor algemene beeldvorming, cardiologie, borstultrasound, vrouwen gezondheid, zenuwen, nieren, lever, enz.

De AI’s van Google worden ook gebruikt om borstkanker te detecteren en tijd van oncologen te besparen, wat helpt bij het verlichten van personeelstekorten.

ChestEye en ChestLink van Oxipit controleren radiologiebeelden dubbel op mogelijk gemiste longtumoren.

Chirurgie

AI kan chirurgen op vele manieren helpen.

Een daarvan is chirurgische begeleiding, vooral bij robotgeassisteerde chirurgie, waarbij AI extra informatie of advies in realtime aan de chirurg kan geven.

Gebaseerd op zijn beoordeling van miljoenen chirurgische video’s, heeft AI het vermogen om de volgende 15 tot 30 seconden van een operatie te voorspellen en extra toezicht te bieden tijdens de chirurgie

Dr. Eckhoff – kunstmatige intelligentie en innovatie fellow bij het Surgical Artificial Intelligence and Innovation Laboratory van het Massachusetts General Hospital

Een voorbeeld is het Franse Pixee Medical, dat 3D-tracking mogelijk maakt met een smartphone of slimme bril voor orthopedische chirurgie.

AI kan ook de cruciale procedure van het opnemen van de operatie automatiseren, vooral voor repetitieve en foutgevoelige taken. Aangezien chirurgen instrumenten in de patiënt vergeten in ongeveer 1500 operaties per jaar in de VS, zou computer vision dit probleem volledig kunnen elimineren door automatisch alles bij te houden dat tijdens de operatie wordt gebruikt.

Gegevensbeheer

Patiëntgegevens

Hoewel het minder spectaculair kan lijken dan het opsporen van een tumor, een diagnose uitvoeren zonder menselijke tussenkomst, of chirurgen assisteren, kan het beheren van patiëntgegevens even belangrijk zijn voor het herstel van patiënten.

Het eerste deel waarbij AI kan helpen is gezichtsherkenning en het koppelen aan patiënt-ID en medische dossiers. Er is altijd een risico dat identiteiten verkeerd worden gekoppeld in de hoge snelheid en stressvolle werkomgeving van de meeste ziekenhuizen. Deze technologie is algemener en kan worden ingezet door leveranciers van gezichtsherkenningssoftware, zoals bijvoorbeeld Facia.

De tweede stap is het integreren van alle mogelijke gegevens van een patiënt in één systeem. Bijvoorbeeld, het kan beelden van de radiologieafdeling (en de bijbehorende software), algemene patiëntendossiers, documenten van eerdere behandelingen in een ander ziekenhuis, apotheekrecepten, enz. bevatten.

Het integreren van al deze gegevens kan zeer complex zijn, en AI-tools zoals CloudMedxHealth kunnen helpen het volledige potentieel van medische digitale data te realiseren.

Bron: CloudMedxHealth

Medische data kan ook op een hoger niveau worden geaggregeerd, zoals de manier waarop Komodo Health een overzicht van het gehele Amerikaanse zorgsysteem creëert.

Monitoring

Een ander segment waarin AI kan helpen is het monitoren van de ziekenhuisomgeving. Dit kan onder meer respect voor goede hygiënepraktijken (schoonmaken, maskers, enz.) omvatten of eigenlijk elke procedure die automatisch moet worden gemonitord.

Vergelijkbare monitoring kan aan patiënten thuis worden geboden om hun herstel te controleren. Dit maakt zaken zoals fysiotherapie thuis mogelijk, waardoor het niet alleen praktischer is voor patiënten en artsen, maar ook goedkoper voor het zorgsysteem als geheel.

Thuismonitoring kan ook valdetectie omvatten, met automatische oproep van hulpdiensten indien nodig.

Telehealth kan in het algemeen profiteren van AI, bijvoorbeeld de oplossing van Corti.AI. We hebben dit onderwerp ook onderzocht in ons artikel “Heal From Home: Top 5 Telemedicine Stocks”.

Verbetering van Medisch Onderzoek

Biologie wordt vaak beschreven als het ‘zachtste’ van de wetenschappelijke vakgebieden omdat medische en biologische data vaak veel ‘rommeliger’ zijn dan chemie of natuurkunde.

Voor een deel is dit onvermijdelijk, aangezien biologische monsters extreem complex zijn en van elkaar kunnen verschillen.

Het komt ook doordat het veld nog steeds vaak afhankelijk is van handmatige telling voor zaken als celtelling onder een microscoop. Hetzelfde geldt voor medische analyses zoals bloedtelling. Natuurlijk zullen twee verschillende personen iets verschillende manieren hebben om een complex monster te tellen.

Dit kan worden opgelost met AI-machinevision, met producten zoals Shonit van Sigtuple die nu betrouwbare en gestandaardiseerde tellingen van alle soorten bloedcellen kunnen leveren.

Bron: Sigtuple

Medische beelden krijgen ook gestandaardiseerde classificatie en annotatie via tools zoals Enlitic, waardoor onderzoekers toegang krijgen tot datasets van hogere kwaliteit.

Terwijl medisch onderzoek worstelt met een overvloed aan nieuwe data die voortkomt uit de vooruitgang in analytische wetenschappen op het gebied van genomics, transcriptomics, proteomics, en de algehele “multiomics” revolutie die we beschreven in “Multiomics Are The Next Step In Biotechnology”.

Dit omvat ook genbewerking, waarbij nu open-source AI onderzoekers helpt nieuwe genbewerkingsinstrumenten te ontwerpen, zoals besproken in \”AI-Enabled Gene-Editing Made Possible with ‘OpenCRISPR-1’\”

Vervanging van falende zintuigen

Een andere manier waarop machine vision de gezondheidszorg kan veranderen is door dingen voor ons te zien. Blinde mensen of mensen met andere beperkingen kunnen AI gebruiken om items in hun omgeving te identificeren.

AI kan ook tekst naar spraak omzetten die normaal ontoegankelijk zou zijn.

Ten slotte kan machine vision mensen met een handicap helpen apparaten te bedienen via gezichtsuitdrukkingen of gebaren.

Machine Vision Bedrijven

1. Alphabet

Google is een toonaangevend technologiebedrijf in vele sectoren, met uiteraard Search en zijn Android-smartphone‑OS als goede voorbeelden.

Het is eveneens een leider op het gebied van AI, met een sterke aanwezigheid in machine vision voor de gezondheidszorg, variërend van kanker- en ziektedetectie tot preventie en verbetering van behandelingen.

AI wordt ook benut in andere gebieden dan machine vision. Bijvoorbeeld, Google AlphaFold AI kan de 3D-configuratie van eiwitten voorspellen, cruciale data voor het creëren van nieuwe geneesmiddelen, en de efficiëntie en veiligheidsprofiel van nieuwe moleculen voorspellen. We bespraken hoe de voorspellingen van AlphaFold betrouwbaar zijn gebleken en zeer behulpzaam voor geneesmiddelenontwikkeling in \”Prospective Modelling Points to Bright Future for AI-based Drug Discovery”.

Bron: News Medical

Google’s Health AI omvat Med-PaLM, het eerste grote taalmodel dat expertprestaties behaalt op vragen in de stijl van medische licentie-examens, de open source Open Health Stack voor ontwikkelaars, DeepVariant voor genomische analyse, en Deep learning voor elektronische gezondheidsdossiers.

Natuurlijk heeft Google’s Vision AI veel andere toepassingen buiten de gezondheidszorg, waaronder transport, contentgeneratie (tekst, afbeelding en video), documentinterpretatie, enz.

Kortom, Alphabet/Google is een reus niet alleen op het gebied van technologie maar ook AI, inclusief in de gezondheidszorg en de toepassingen van machine vision in de gezondheidszorg.

2. Butterfly Network

Butterfly is zowel de ontwikkelaar van een geavanceerd ultra‑portabel echografie‑diagnostisch instrument als van geïntegreerde software die AI gebruikt om diagnoses te ondersteunen, genaamd “Compass”.

Bron: Butterfly Network

Het bedrijf zit nu op de 3^de generatie van de echografie‑sonde, met de release in 2024 van de iQ3, met een hogere gegevensoverdrachtsnelheid en 2× de verwerkingskracht van de vorige versie. Net als alle eerdere Butterfly‑echografie‑sondes maakt het gebruik van superieure halfgeleider‑“ultrasound-on-chip”‑technologie in plaats van klassieke piëzo‑elektrische sensoren.

iQ3 biedt een superieure gebruikerservaring, inclusief de mogelijkheid om zowel 3D als multi‑vlakken simultaan te visualiseren, geïntegreerde cloud‑software, en een snelle opstart, alles voor een lagere prijs.

Het bedrijf gebruikt AI om de beelden te verbeteren, diagnostisch relevante metingen automatisch te genereren, en training/onderwijspraktijk te bieden.

Bron: Butterfly Network

Butterfly breidt zich snel uit naar nieuwe markten in Azië (Singapore, Indonesië, de Filipijnen, enz.) en ook in de veterinaire markten, zoals het controleren van de gezondheid van veeteeltvee en het benutten van de ultra‑portabiliteit van zijn echografie‑instrument.