Onderzoekers in China en de Verenigde Staten ontwikkelden een methode op basis van artificiële intelligentie en machine learning classifiers (MLCs) voor de diagnose van kinderziekten.
Het onderzoek werd gepubliceerd in Nature Medicine en de auteurs zeggen dat ze met hun systeem automatisch de meest voorkomende kinderziekten kunnen diagnosticeren na het verwerken van de symptomen van de patiënt, zijn voorgeschiedenis, onderzoeksresultaten en andere klinische data uit elektronische patiëntendossiers. Volgens de onderzoekers is hun methode heel doeltreffend en waren de resultaten net zo betrouwbaar als die van ervaren kinderartsen. En de methode zou artsen ooit kunnen helpen om complexe en zeldzame ziekten te diagnosticeren, zo klinkt het.
Grotere populatie, minder regelgeving
"Ons onderzoek levert een bewijs voor de implementatie van een op artificiële intelligentie gebaseerd systeem als hulpmiddel voor artsen bij het verwerken van grote hoeveelheden gegevens, het stellen van diagnoses en het ondersteunen van klinische beslissingen. Hoewel het gebruik van de methode het meest voor de hand ligt in gebieden met een tekort aan artsen, zijn de voordelen van ons systeem vermoedelijk universeel", zo besluiten de onderzoekers.
Voor hun studie maakten ze gebruik van gegevens van bijna 600.000 Chinese patiënten in een kinderziekenhuis over een periode van achttien maanden.
“Omdat de populatie zo groot is, en omdat er minder beperkingen zijn bij het gebruik van gezondheidsdata, is het voor Chinese bedrijven makkelijker om ‘deep learning’ systemen te ontwikkelen en te testen. De omvang van de data maakt echt een groot verschil”, zo staat te lezen in een commentaar in The New York Times.
“Het zal nog jaren duren vooraleer deep-learning systemen gebruikt worden in ziekenhuizen. Maar sommige spelers zijn al dichter bij het gebruik van de methode in de echte wereld: Google doet nu twee klinische tests van zijn oog-scansysteem in twee ziekenhuizen in Zuid-India. De diagnostische hulpmiddelen zullen eerder floreren in landen buiten de Verenigde Staten", zegt dr. Kang Zhang van de University of California, San Diego. Hij ontwikkelde samen met zijn collega’s een systeem dat nog meer ziekten kan diagnosticeren door patronen te herkennen, niet alleen in beelden maar ook in teksten. “In sommige situaties kunnen artsen onmogelijk alle mogelijkheden overwegen. Nieuwe systemen kunnen dokters helpen om zeker te zijn dat ze geen enkele mogelijkheid over het hoofd zien.”
