AI kan beoordeling longfoto’s COVID-19 ondersteunen

Röntgenfoto’s maken het mogelijk mensen die besmet zijn met het COVID-19 virus snel te diagnosticeren. De beelden worden beoordeeld door radiologen. Kunstmatige intelligentie (AI) kan hen hierbij ondersteunen. Zo kan AI even goed te kunnen voorspellen of iemand infiltratieve longafwijkingen heeft als radiologen.

Dit blijkt uit een eerste onderzoek van het Jeroen Bosch Ziekenhuis, waarvan de resultaten zijn gepubliceerd in het wetenschappelijke tijdschrift Radiology. Eerder bleek al dat AI in staat is tuberculose net zo nauwkeurig te diagnosticeren aan de hand van een röntgenfoto als een radioloog.

Tekort aan testkits en expertise

Het Jeroen Bosch Ziekenhuis ziet verschillende mogelijkheden om AI in te zetten gedurende de coronacrisis en de schaarste aan testkits om op COVID-19 te kunnen testen. “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 Radiology.

“Eerder werk gerelateerd aan de detectie van tuberculose met behulp van radiografie toont aan dat software op het niveau van een radiologische expert kan presteren bij het identificeren van tuberculose. In dit onderzoek evalueren we de prestaties van een beschikbaar AI-systeem voor de detectie van COVID-19 longontsteking”,

Deep learning

In het onderzoek is gebruik gemaakt van CAD4COVID-XRay, een AI-systeem dat gebruik maakt van deep learning. Dit is een vorm van AI waarbij een algoritme wordt getraind door deze in een enorme dataset te laten zoeken naar patronen. Een deep learning-algoritme blijft voortdurend leren en wordt hierdoor na verloop van tijd steeds slimmer.

CAD4COVID is ontwikkeld door Delft Imaging en Thirona. De software analyseert röntgenfoto’s van de borst van patiënten met een verdenking op een COVID-19 besmetting. De software geeft vervolgens een score tussen 0 en 100, toont de COVID-19-gerelateerde afwijkingen in de longen en maakt inzichtelijk welk deel van de longen is getroffen.

Algoritme trainen

CAD4COVID-XRay is door het Jeroen Bosch Ziekenhuis in eerste instantie getraind met behulp van een dataset van 22.184 longfoto’s, 7851 van gezonde longen en 5.012 van longontstekingen. Dit aangezien omvangrijke datasets van longfoto’s met longontstekingen veroorzaakt door COVID-19 moeilijk verkrijgbaar zijn. Deze initiële training leerde het algoritme een longsteking te herkennen. Het algoritme is vervolgens met een kleinere dataset van 416 longfoto’s met longontstekingen veroorzaakt door COVID-19 verder getraind om specifiek COVID-19 te identificeren.

Na deze training zijn 454 röntgenbeelden van het Jeroen Bosch Ziekenhuis beoordeeld door zowel het AI-systeem als een zestal radiologen. 231 van deze beelden zijn van patiënten die negatief zijn getest op het virus en 223 van patiënten die positief zijn getest. Tijdens het experiment wist het AI-systeem op alle röntgenbeelden even goed te beoordelen als de radiologen.

Verder trainen

In navolging van het onderzoek wil het ziekenhuis het deep learning algoritme verder laten leren met behulp van meer beelden. Deze worden eventueel gecombineerd met laboratoriumuitslagen.

Het gehele onderzoek is hier te vinden.

Auteur: Wouter Hoeffnagel