AI-algoritme helpt Catharina Ziekenhuis SEH-patiënten te screenen op COVID-19

Een nieuw algoritme ontwikkeld door het Catharina Ziekenhuis in Eindhoven versnelt de screening van patiënten op de Spoedeisende Hulp (SEH) op COVID-19. Het algoritme maakt gebruik van kunstmatige intelligentie (AI) om de effecten van corona in het bloed te herkennen.

Patiënten die binnenkomen op de SEH worden standaard gescreend op COVID-19. Dit bloed wordt vervolgens op dertig verschillende waarden getest. Het hoogtepunt van de coronapiek zette dit de testcapaciteit echter onder druk. Het AI-algoritme helpt een dergelijke piek in de toekomst beter op te vangen.

COVID-19 sneller uitsluiten

Klinisch chemicus dr. Arjen-Kars Boer: “Op het hoogtepunt van de coronapiek kregen wij de vraag of er geen snellere test was om COVID-19 uit te sluiten. Op de Spoedeisende Hulp is het belangrijk om zo snel mogelijk te weten of een patiënt coronapositief is of niet. Daarvoor zijn we gaan kijken naar de informatie die we al hadden. Bij patiënten die op de SEH binnen komen, wordt namelijk standaard bloed afgenomen voor een zogenoemde quickscan. Hun bloed wordt op maar liefst 30 verschillende waarden getest. We vroegen ons af of er in hun bloed soms subtiele veranderingen aanwezig waren die kenmerkend zijn voor COVID-19. Konden we niet een soort direct herkenbare streepjescode vinden? En ja, dat blijkt dus te kunnen! Maar we kregen het niet cadeau…”

Voor de ontwikkeling van het algoritme zijn de gegevens van ruim 10.000 patiënten van de SEH omgezet in digitale gegevens. Deze data zijn vervolgens geanalyseerd met behulp van AI. “Vervolgens moesten we op zoek naar de kleinste set uitslagen die een goeie voorspelling doen,” zegt bio-statisticus ir. Ruben Deneer. Deneer onderbrak zijn promotieonderzoek voor de TU/e voor een periode van drie maanden om met behulp van algoritmes de dataset te analyseren. “Uiteindelijk zijn we er in zeer korte tijd in geslaagd om tien laboratoriumtesten te identificeren die samen de meest belangrijke voorspellers van COVID-19 vormen”, aldus de bio-statisticus.

Boer: “In het Catharina Ziekenhuis zijn we heel goed in big data en we zien het daarom als onze maatschappelijke verantwoordelijkheid om dit soort uitdagingen aan te pakken. We deden het naast ons gewone werk, dat was geen sine cure, maar we moeten vandaag de zorg van morgen verbeteren. In drie maanden een dergelijke tool ontwikkelen, dat is echt uniek. In de hele wereld is dit nog niet in de literatuur beschreven.”

Doelmatiger testen

De nieuwe tool is inmiddels in gebruik in het Catharina Ziekenhuis door SEH-artsen. “Het grote voordeel van deze test is dat we nu veel doelmatiger met de zorg kunnen omgaan. Nu testen we bij wijze van spreken 100 mensen met een PCR-test, de standaard corona-test zeg maar, terwijl het er maar tien hoefden te zijn. Tegelijkertijd zien we met deze nieuwe tool corona-verschijnselen in het bloed van mensen die, omdat ze geen herkenbare symptomen hebben, niet op corona getest worden. Die kunnen we nu alsnog een PCR-test aanbieden, want als er iets is wat we niet willen is dat er besmette mensen op een ‘reguliere’ afdeling in het ziekenhuis komen te liggen”, zegt Boer. Hij benadrukt dat het algoritme geen vervanger is van de PCR-test, maar juist een extra tool voor artsen.

Op termijn hopen Boer en Deneer het algoritme ook in andere ziekenhuizen te kunnen inzetten. “Dat heeft nog wat voeten in de aarde, want elk ziekenhuis voert andere tests uit op de SEH, maar uiteindelijk is het nog slechts een kwestie van tijd dat andere ziekenhuizen onze tool overnemen.”

CAD4COVID

Ook andere ziekenhuizen in Nederland werken aan de inzet van AA in de strijd tegen COVID-19. Zo meldde het Jeroen Bosch Ziekenhuis onlangs op basis van onderzoek verschillende mogelijkheden te zien voor de inzet van AI gedurende de coronacrisis. Onder meer om de schaarste aan testkits om op COVID-19 te testen op te vangen.

“Radiografie is een snelle en relatief goedkope beeldvormingsmodaliteit die beschikbaar is in veel zorgomgevingen waar middelen schaars zijn. Helaas bestaat er in deze regio een groot tekort aan radiologische expertise voor een nauwkeurige interpretatie van dergelijke beelden. Een AI-systeem kan een handige tool zijn als aanvulling op radiologen of in het veelvoorkomende geval dat radiologische expertise niet beschikbaar is”, schrijven onderzoekers Keelin Murphy, Henk Smits, Arnoud J.G. Knoops, Mike B.J.M. Korst, Tijs Samson, Ernst T. Scholten, Steven Schalekamp, Cornelia M. Schaefer-Prokop, Rick H. H. M. Philipsen, Annet Meijers, Jaime Melendez, Bram van Ginneken en Matthieu Rutten in een artikel in het wetenschappelijke tijdschrift Radiology.

Deep learning

Eerder is geëxperimenteerd met AI-software om tuberculose te detecteren op medische beelden. Het nieuwe systeem dat door het Jeroen Bosch Ziekenhuis is getest bouwt hierop voort en heet CAD4COVID-XRay. Het systeem is ontwikkeld door Delft Imaging en Thirona. De AI-software analyseert röntgenfoto’s van de borst van patiënten die mogelijk besmet zijn met COVID-19. De software beoordeelt deze beelden met een score van 0 tot 100, maakt COVID-19 gerelateerde afwijkingen in de longen inzichtelijk en toont welk deel van de longen is getroffen.

Het AI-systeem maakt gebruik van deep learning, een vorm van AI waarbij een algoritme wordt getraind door deze in een omvangrijke dataset te laten zoeken naar patronen. Kenmerkend voor een deep learning-algoritme is het vermogen te blijven leren en steeds slimmer te worden.

Trainen

Het Jeroen Bosch Ziekenhuis trainde dit systeem met behulp van een dataset van 22.184 longfoto’s, waarvan 7.851 van gezonde longen en 5.012 van longontstekingen. Hierbij is bewust gekozen voor een dataset met longfoto’s van algemene longontstekingen, aangezien een grote dataset met longfoto’s met longontstekingen veroorzaakt door COVID-19 moeilijk te bemachtigen is. Het algoritme is na deze initiële training verder getraind om specifiek COVID-19 te identificeren.

Vervolgens is het algoritme getest, waarbij 454 röntgenbeelden van het ziekenhuis zijn beoordeeld door zowel het AI-systeem als zes radiologen. Tijdens het experiment bleek het algoritme in staat alle beelden even goed te beoordelen als radiologen. Meer informatie is hier beschikbaar.

Auteur: Wouter Hoeffnagel