Peter de With is hoogleraar videosystemen bij de TU Eindhoven. Hij leidt daar twee healthcareprogramma’s.
In de laatste week van september bezocht ik de International Conference on Image Processing in Phoenix, Arizona. Ik volgde daar een overzichtscursus voor lerende algoritmes, het zogeheten deep learning. Terwijl ik naar een verhaal luisterde over de doorbraak van deze technieken mijmerde ik een moment weg over de toepassing ervan in healthcare.
Volgens de docenten kan zowat elk probleem met deze techniek worden opgelost. Het is jeugdig Amerikaans enthousiasme en dat mag van mij wel even; we missen dat maar al te veel in Europa. Deze techniek is bovendien een doorbraak voor de beeldanalyse; zij is slechts vijf jaar oud en begon toch al vanaf 2012 goede resultaten te produceren.
In een notendop betekent deep learning dat lerende neurale netwerken worden gecombineerd met een sequentie van opeenvolgende filterbanken waardoor op verschillende subbeeldniveaus allerlei objecten en hun details kunnen worden aangeleerd. Als de beelddatabase maar groot genoeg is, komen vrijwel alle variaties van eenzelfde object voor, zodat het systeem met grote waarschijnlijkheid een object kan herkennen. Door een kleine verandering met een nieuw beeld raakt het niet meer in de war.
Inmiddels heeft de techniek de bestaande algoritmes voorbijgestreefd en tot een grote hype geleid, met name omdat de goede resultaten op een snelle manier kunnen worden verkregen door er gewoon veel geheugen en computers tegenaan te gooien.
Device lifecycle management for fleets of IoT devices
Microchip gives insight on device management, what exactly is it, how to implement it and how to roll over the device management during the roll out phase when the products are in the field. Read more. .
Beeldbewerking beslaat ongeveer veertig procent van de healthcaredata en dat percentage groeit elk jaar gestadig. De revolutie van digitale health of e-health is niet meer te stoppen en dat komt door de combinatie van volwassen ict-infrastructuur in de industrie en telecommunicatie en de allesoverheersende opmars van de mobiele smartphone in vele facetten van het dagelijks bestaan.
Het is evident dat e-health gaat profiteren van deep learning. Diverse regio’s in Nederland en Europa zijn bezig om de digitale aanpak in te voeren. Burgers met een gezondheidsprobleem die een behandeling krijgen, gaan sensors dragen om hun genezingsproces te meten en te begeleiden. De daaraan gekoppelde data zullen in het ziekenhuis en/of in de cloud worden opgeslagen, net als de beelden die op of in het lichaam zijn gemaakt.
Dat betekent heel veel data die beschikbaar zijn voor analyse, en dat past precies bij een concept als deep learning. De voor de hand liggende toepassing is het vinden van ziektebeelden in de beelden – denk aan vrijwel alle vormen van kanker en tumoren, afwijkingen aan hart en bloedvaten, de groei van afwijkend weefsel en dergelijke. Naarmate de database groeit, zullen bijzondere varianten hiermee ook kunnen worden gevonden en wel in een vroeg stadium.
Er zijn echter ook andere zaken die met deep learning kunnen worden gemeten, zoals de bijwerkingen van medicijnen, zeker als dat wordt gekoppeld aan de combinatie met andere medicijnen en de gesteldheid van de patiënt. Problematische combinaties kunnen veel breder worden onderzocht, omdat eerdere gevallen al waren opgeslagen. Zo krijg je een persoonlijke behandeling en tijdige waarschuwing, want er zijn altijd wel anderen die jouw ziektebeeld ook hebben gehad. Dus kunnen artsen het gebruiken voor betere besluitvorming.
Deze mogelijkheid vereist wel dat de gebruikers van die data en het programma diep mogen graven in de database om speciale gevallen te vinden en te analyseren. Hier doemt al een beperking op: hoe diep mogen we graven in de records van anderen? In verband met de privacyregels zal hier zeker paal en perk aan worden gesteld. We moeten data dus anoniem maken, maar wel toegankelijk voor onderzoek.
Iets verder in de toekomst maar zeker zo interessant is het proces dat een patiënt doorloopt. Dit zou kunnen worden uitgebeeld als grafische boom, en die kun je ook weer vergelijken met andere trajecten. Het aantal mogelijkheden is eindeloos. Het zou mooi zijn als we een dergelijke doorbraak ook zouden kunnen uitwerken voor Nederland. Je ziet daar direct nuttig onderzoek en bedrijvigheid uit voortkomen. Ach, als we nou eens wat meer zouden investeren, net als in Scandinavië, China of de VS.
Ik schrik plotseling wakker uit mijn mijmering, en ontdek dat de docent al een paar slides verder is. Nederland en investeren, wat droom ik nou toch?