De onderzoeksafdeling van Alibaba beschikt over een open source-model voor kunstmatige intelligentie dat bijna 150 buikaandoeningen – waaronder kanker – kan identificeren door het lezen van computertomografie (CT)-scans, de nieuwste stap in het groeiende medische AI-programma van de Chinese technologiegroep.

Het model, genaamd Damo Radar, is ontwikkeld door Damo Academy, het onderzoeksinstituut van Alibaba, en beschreven in een onderzoek dat donderdag in het tijdschrift Science is gepubliceerd, aldus de South China Morning Post. Het instituut maakte de open-source release vrijdag bekend. In tegenstelling tot gesloten commerciële systemen kan een open-sourcemodel worden gedownload, geïnspecteerd en aangepast door ziekenhuizen en onderzoekers – een distributiemodel dat de adoptie zou kunnen versnellen in klinieken die nooit een eigen diagnostisch hulpmiddel zouden kunnen licentiëren. Voor meer context over dit verhaal, zie ons laatste AI-ontwikkelingen.

Een generalistisch model voor medische beeldvorming

Damo Radar is een visietaalmodel dat is ontworpen om contrastversterkte CT-scans te analyseren die 18 buikorganen bestrijken en een breed scala aan ziekten en andere afwijkingen te identificeren, waaronder kwaadaardige tumoren, aldus het instituut. De makers omschrijven het als ‘het eerste generalistische medische beeldvormingsmodel ter wereld op expertniveau’ – een enkel systeem dat bedoeld is om veel verschillende bevindingen te lezen in plaats van een beperkt instrument dat is getraind om één ziekte op te sporen.

Die generalistische ambitie onderscheidt het van de meeste medische AI-systemen die tot nu toe zijn ingezet, die doorgaans zijn gebouwd en gevalideerd voor één enkele taak, zoals het detecteren van één type tumor. Eén enkel model dat 146 verschillende klinische bevindingen omvat, zou, als het buiten het laboratorium standhoudt, de economische aspecten van de inzet van AI op radiologieafdelingen kunnen veranderen, waar het aan elkaar plakken van een tiental instrumenten voor één doel onpraktisch is gebleken.

Het model is getraind op CT-scans in combinatie met klinische rapporten, een aanpak die het systeem leert om wat op een beeld verschijnt te verbinden met de taal die artsen gebruiken om het te beschrijven. Het onderzoeksteam zei dat de trainingsmethode uiteindelijk zou kunnen worden uitgebreid naar andere soorten medische beeldvorming, aldus de Post.

Getest tegen werkende radiologen

De belangrijkste cijfers zijn afkomstig van evaluaties van bijna 40.000 praktijkexamens. Op basis van 146 klinische bevindingen behaalde Damo Radar een gemiddelde oppervlakte onder de curve (AUC) van 0,913, een statistische maatstaf voor diagnostische prestaties waarbij 1,0 perfecte nauwkeurigheid vertegenwoordigt, zo meldde de studie.

De vergelijking met menselijke lezers zal de meeste aandacht trekken. In een onderzoek onder 26 radiologen uit meerdere ziekenhuizen overtrof de gemiddelde nauwkeurigheid van het model die van 23 van de deelnemers, aldus het onderzoek. En toen radiologen met de hulp van het model werkten, verbeterden ze hun vermogen om gemiste diagnoses met 10 procent te voorkomen, terwijl ze de benodigde tijd per geval met meer dan 30 procent verkortten, aldus Damo Academy.

Bij het onderzoek waren naast Alibaba ook verschillende instellingen betrokken, waaronder een ziekenhuis dat verbonden is aan de Zhejiang Universiteit. Publicatie in Science, een van de meest selectieve wetenschappelijke tijdschriften, geeft de resultaten een niveau van externe controle dat door leveranciers gesponsorde benchmarks vaak ontbreekt – hoewel de prestaties in de echte wereld altijd afhangen van de scans, apparatuur en patiëntenpopulaties die een ziekenhuis daadwerkelijk ziet.

Waarom open source belangrijk is

Het openlijk loslaten van de gewichten is een opmerkelijke keuze voor medisch gevoelige technologie. Eigen leveranciers houden medische modellen doorgaans gesloten, onder verwijzing naar regelgeving en veiligheid. Dankzij de open release kunnen onafhankelijke onderzoekers de foutmodi onderzoeken, kunnen ziekenhuizen het model op hun eigen infrastructuur draaien zonder patiëntgegevens naar een externe leverancier te verzenden, en krijgen kleinere faciliteiten toegang tot mogelijkheden die anders voorbehouden waren aan grote ziekenhuissystemen.

Het betekent ook dat Alibaba minder controle uitoefent op de manier waarop het model wordt gebruikt. Open beschikbaarheid is geen klinische goedkeuring: toezichthouders in elk rechtsgebied zullen nog steeds beslissen of en hoe het model kan worden ingezet op patiënten, en ziekenhuizen zullen het moeten valideren op hun eigen apparatuur en populaties.

Eén kanttekening die het vermelden waard is: de South China Morning Post is eigendom van Alibaba, een feit dat de krant in haar eigen rapport onthult. De publicatie van het onderliggende onderzoek in Science biedt een onafhankelijke bevestiging van het onderzoek zelf, maar de formulering van de aankondiging van vrijdag komt onvermijdelijk van de kant van het bedrijf.

Alibaba's bredere medische AI-push

Damo Radar is niet de eerste stap van Alibaba op het gebied van diagnostische beeldvorming. De Damo Academy heeft de afgelopen jaren besteed aan het ontwikkelen van AI-screeningtools om artsen te helpen pancreas-, maag- en colorectale kankers en aortadissecties te identificeren, aldus de Post. In april bracht de divisie een model uit met de naam Coca, ontwikkeld in samenwerking met instellingen als het Guangdong General Hospital, waarvan het bedrijf zei dat het gevoeliger was dan radiologen bij het opsporen van colorectale kanker in een vroeg stadium op CT-scans.

De progressie van screeners voor één ziekte naar een generalistisch model weerspiegelt een bredere gok: dat grote visie-taalmodellen die zijn getraind op gepaarde beelden en rapporten patroonherkenningswerk kunnen absorberen dat momenteel de schaarse specialistische tijd vereist. In veel gezondheidszorgstelsels is het tekort aan radiologen acuut, en screeningprogramma's genereren veel meer scans dan specialisten met evenveel aandacht kunnen lezen.

Wat komt erna

Een open-source release is een begin, geen implementatie. Ziekenhuizen die het model overwegen, zullen lokale validatie op hun eigen scans nodig hebben, en het klinische gebruik zal afhangen van de beoordeling door de toezichthouders per land. Maar het bewijs dat deze week is gepubliceerd – bijna 40.000 praktijkexamens, een directe vergelijking met werkende radiologen en een gerapporteerde vermindering van de leestijd met 30 procent met behulp van AI – geeft Damo Radar een sterkere basis dan de meeste modellen die als persbericht debuteren. Of generalistische medische beeldvormingsmodellen standaard ziekenhuisinstrumenten worden of onderzoeksmijlpalen blijven, zal afhangen van hoe ze presteren in de rommeligere omgeving van de dagelijkse klinische praktijk.

---

Blijf Voorop met AI

Het laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.

Lees meer AI-nieuws →