Kunstmatige intelligentie helpt radiologen om kanker vroeger op te sporen
De gezondheidszorg staat wereldwijd voor een enorme uitdaging. Het aantal medische beeldvormingsonderzoeken groeit elk jaar met 10 tot 15 procent, terwijl het tekort aan radiologen snel toeneemt. Tegen 2030 dreigt een tekort van ongeveer 15 procent aan gespecialiseerde radiologen. Tegelijkertijd worden patiënten geconfronteerd met langere wachttijden en een groeiende druk op de zorg.
Om die kloof te overbruggen heeft DeepHealth, de digitale gezondheidstak van een van de grootste aanbieders van medische beeldvorming in de Verenigde Staten, een ambitieus platform ontwikkeld op basis van Google Cloud.
Het doel is duidelijk: kanker sneller opsporen, diagnoses nauwkeuriger maken en de kans op succesvolle behandelingen vergroten.
Een zorgsysteem vol losse puzzelstukken
Radiologie vormt de ruggengraat van veel medische diagnoses. Toch verloopt het proces vaak gefragmenteerd. Gegevens uit afsprakenplanning, beeldvorming, rapportage en opvolging bevinden zich vaak in afzonderlijke systemen die nauwelijks met elkaar communiceren.
Dat zorgt niet alleen voor inefficiëntie, maar ook voor verschillen in interpretatie. Studies tonen aan dat radiologen het in sommige gevallen slechts twee op drie keer met elkaar eens zijn over dezelfde scan. Die variatie kan gevolgen hebben voor de diagnose en uiteindelijk voor de patiënt.
DeepHealth zag hierin een kans om technologie in te zetten als verbindende schakel tussen mensen, data en medische expertise.
DeepHealthOS: Eén platform voor medische beeldvorming
Om de versnippering tegen te gaan ontwikkelde het bedrijf DeepHealthOS, een geïntegreerd platform gebouwd op Google Cloud.
Het systeem combineert medische beelden, patiëntgegevens, rapportages en AI-toepassingen binnen één digitale omgeving. Hierdoor krijgen zorgverleners sneller toegang tot relevante informatie en kunnen zij efficiënter samenwerken.
De oplossing maakt gebruik van verschillende Google-technologieën, waaronder:
- De Healthcare API voor veilige verwerking van medische gegevens
- BigQuery voor het verzamelen en analyseren van grote datasets
- Looker voor datavisualisatie en inzichten
- Gemini Enterprise Agent Platform voor intelligente workflows
- MedGemma voor medische taalverwerking en samenvattingen
Samen vormen deze technologieën de basis voor een nieuwe generatie radiologische ondersteuning.
AI als assistent voor de radioloog
Volgens DeepHealth draait de technologie niet om het vervangen van artsen, maar om het versterken van hun mogelijkheden.
Het platform automatiseert tijdrovende administratieve taken, standaardiseert rapportages en helpt radiologen om afwijkingen sneller te herkennen. Hierdoor kunnen specialisten zich concentreren op complexe medische beslissingen in plaats van repetitieve werkzaamheden.
De volgende stap in die visie is nog ambitieuzer: volledig geautomatiseerde conceptverslagen waarbij medische beelden automatisch worden geanalyseerd en een eerste rapport wordt gegenereerd. De radioloog behoudt daarbij de eindverantwoordelijkheid, maar krijgt een krachtige digitale assistent aan zijn zijde.
Meetbare resultaten in de strijd tegen kanker
De impact van deze aanpak is inmiddels zichtbaar in de praktijk.
Bij borstkankerscreening leidde het gebruik van klinische AI tot een stijging van 21 procent in het aantal gedetecteerde kankergevallen. Dat betekent dat meer tumoren worden ontdekt voordat ze zich verder kunnen ontwikkelen.
Ook bij longkanker zijn de resultaten indrukwekkend. Dankzij AI-ondersteunde analyses worden de meeste gevallen in een vroeger stadium ontdekt, wanneer behandeling vaak aanzienlijk succesvoller is.
Daarnaast werd binnen bestaande schildklieronderzoeken de benodigde scantijd met maximaal 30 procent verminderd. Hierdoor kunnen zorginstellingen meer patiënten helpen zonder extra personeel in te zetten.
MedGemma blijkt sterkste model voor medische toepassingen
Voor de verwerking van medische taal onderzocht DeepHealth verschillende AI-modellen. Volgens het bedrijf kwam MedGemma als meest geschikte oplossing uit de evaluaties.
Het model blinkt uit in medische kennis, terminologie en contextbegrip. Daardoor kan het radiologische verslagen samenvatten, medische informatie structureren en artsen ondersteunen bij complexe rapportages.
Deze specialisatie maakt het model bijzonder waardevol in een sector waar precisie en betrouwbaarheid van levensbelang zijn.
De toekomst van diagnostiek wordt steeds autonomer
DeepHealth ziet een toekomst waarin medische beeldvorming steeds intelligenter wordt. Niet om menselijke expertise te vervangen, maar om de zorg toegankelijker, consistenter en sneller te maken.
Door data, AI en medische beeldvorming samen te brengen ontstaat een ecosysteem waarin ziekten eerder worden ontdekt, diagnoses nauwkeuriger worden gesteld en patiënten sneller de juiste behandeling ontvangen.
In een tijd waarin de druk op de gezondheidszorg wereldwijd toeneemt, laat DeepHealth zien hoe kunstmatige intelligentie niet alleen processen kan versnellen, maar letterlijk levens kan redden.
