S08E57 - AI in de pathologie: van onderzoek naar de praktijk

Jeroen van der Laak, hoogleraar computationele pathologie aan het Radboud UMC, werkt 35 jaar aan Artificial Intelligence die microscopiebeelden analyseert en ziet hoe bewezen technologie toch niet gebruikt wordt. Het probleem is niet dat de AI niet werkt, maar dat de weg van onderzoeksresultaat naar klinische toepassing bezaaid ligt met regelgeving, firewalls en juridische contracten. Hij laat zien dat een betere AUC-score in een studie niemand overtuigt, maar dat "honderd onnodige operaties minder per jaar" dat wel doet.

Een Linux-server opzetten binnen een ziekenhuisfirewall kan technisch in een middag, maar duurt in de praktijk een half jaar. Morgen kun je voor je eigen AI-project de volledige implementatieketen in kaart brengen: technologie, validatie, IT-integratie en gebruikersacceptatie, want wie alleen naar de technologie kijkt, onderschat de werkelijke inspanning met een factor tien.

Onderwerpen

• De kloof tussen bewezen AI-technologie en klinische toepassing in de pathologie
• Digitalisering als voorwaarde voor AI-implementatie in medische laboratoria
• Juridische en infrastructurele obstakels bij data-uitwisseling en integratie
• Vertrouwen en menselijke controle als voorwaarde voor adoptie door patiënten en artsen

Links

• Podcast: AIToday Live podcast
• Project: The catalyst in the digital transformation of pathology | Bigpicture
• Kaartspel: ChatGPT
• Kaartspel: AI Game Changer - Generative AI editie

Genoemde entiteiten: Radboud UMC - Big Picture

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

1
00:00:00,000 --> 00:00:06,519
Jeroen van der Laak is hoogleraar computationele pathologie aan het Radboud UMC en Nijmegen.

2
00:00:06,519 --> 00:00:11,480
Hij bouwt al decennia software die microscopiebeelden analyseert.

3
00:00:11,480 --> 00:00:16,480
Tegenwoordig heet dat AI, maar de kern is altijd hetzelfde geweest.

4
00:00:16,480 --> 00:00:19,839
De patholoog helpen betere diagnoses te stellen.

5
00:00:19,839 --> 00:00:25,440
In deze aflevering gaat het over een vraag die meer inhoudt dan je denkt.

6
00:00:25,719 --> 00:00:32,920
Want als AI aantoonbaar beter presteert dan de gemiddelde patholoog bij het graderen van prostaatkanker,

7
00:00:32,920 --> 00:00:35,359
waarom gebruikt dan bijna niemand het nog?

8
00:00:37,999 --> 00:00:40,879
Joop: Leuk dat je luistert naar een nieuwe aflevering van AIToday Live.

9
00:00:40,879 --> 00:01:01,038
Joop: Mijn naam is Joop Snijder, Head of AI bij Info Support,  Niels:mijn naam, Niels Naglé en Area Lead Data & AI bij Info Support, Joop: en we hebben de gast Jeroen van der Laak en Jeroen, ik ben echt heel erg blij dat je hier in de studio bent, want ik had namelijk een buitengewone presentatie van jou gezien en het ging over AI in de pathologie.

10
00:01:01,279 --> 00:01:05,117
Joop: En als ik nou ergens geen verstand van heb, dan is het wel pathologie.

11
00:01:05,117 --> 00:01:11,119
Joop: Dus we zijn heel erg benieuwd naar jouw verhaal van wat doe je eigenlijk daar allemaal mee.

12
00:01:11,118 --> 00:01:14,238
Joop: Maar voordat we beginnen, wil je jezelf eerst even voorstellen.

13
00:01:14,639 --> 00:01:15,838
Jeroen: Ja, zeker.

14
00:01:15,839 --> 00:01:17,999
Jeroen: Dank voor de uitnodiging sowieso.

15
00:01:18,399 --> 00:01:20,239
Jeroen: Mijn naam is Jeroen van der Laak.

16
00:01:20,239 --> 00:01:27,439
Jeroen: Ik ben hoogleraar computationele pathologie in het Radboud UMC Nijmegen, dus academisch ziekenhuis.

17
00:01:27,999 --> 00:01:31,678
Jeroen: Ik heb een achtergrond als informaticus, maar dat is wel heel lang geleden.

18
00:01:33,198 --> 00:01:40,479
Jeroen: 1991 ben ik afgestudeerd en ben ik terechtgekomen in het Radboud ziekenhuis vanuit een stage eigenlijk.

19
00:01:41,999 --> 00:01:46,238
Jeroen: Reken maar uit, dus ik ben kleine 35 jaar werk ik in de Radboud.

20
00:01:46,878 --> 00:01:54,558
Jeroen: Ik ben altijd bezig geweest eigenlijk met het maken van software om microscopie beelden te analyseren.

21
00:01:55,359 --> 00:02:07,598
Jeroen: Dat is pathologie en daar kunnen we iets meer over hebben, en de laatste tien, vijf jaar, zoals jullie weten noemen dat AI, daarvoor had dat andere namen.

22
00:02:09,679 --> 00:02:11,118
Jeroen: Zal ik daar iets meer over vertellen?

23
00:02:11,119 --> 00:02:12,718
Joop: Ja, graag zeker.

24
00:02:12,958 --> 00:02:14,398
Jeroen: Misschien eerst iets over de pathologie.

25
00:02:14,398 --> 00:02:17,038
Jeroen: Pathologie is een medisch specialisme.

26
00:02:17,359 --> 00:02:25,598
Jeroen: Waarbij een patholoog weefsels beoordeelt, cellen weefsels beoordeelt op de aanwezigheid van ziekte.

27
00:02:25,839 --> 00:02:33,279
Jeroen: Dus je moet je voorstellen als je een huid dingetje hebt een moedervlek, die wordt weggesneden door een dermatoloog.

28
00:02:33,279 --> 00:02:38,638
Jeroen: Dat gaat naar de patholoog en de patholoog die kijkt wat is het, wat is er aan de hand, hoe ernstig is het.

29
00:02:38,639 --> 00:02:42,318
Jeroen: En moet er eventueel aanvullende behandeling plaatsvinden.

30
00:02:42,639 --> 00:02:47,199
Jeroen: Als een vrouw een knobbeltje aan haar borst heeft, dan wordt daar een klein stukje weefsel weggehaald.

31
00:02:47,359 --> 00:02:49,118
Jeroen: Patoloog kijkt door een microscoop.

32
00:02:49,118 --> 00:02:55,118
Jeroen: En die kan zien: is het kanker, dus een voorstadium van kanker moet het geopereerd worden.

33
00:02:56,078 --> 00:03:00,398
Jeroen: De diagnostiek, zeg maar veel kanker, maar ook andere ziektes.

34
00:03:02,238 --> 00:03:08,398
Jeroen: Met AI proberen we steeds meer om die patholoog te helpen om zijn werk efficiënter te maken.

35
00:03:08,398 --> 00:03:11,759
Jeroen: Je kan je voorstellen, als je AI inbrengt, dan kan het sneller zijn.

36
00:03:11,998 --> 00:03:22,559
Jeroen: Maar wat we ook weten, als we hetzelfde hetzelfde weefsel aan vijf pathologen geven, blijft mensenwerk, dan krijg je niet vijf keer precies hetzelfde oordeel.

37
00:03:22,959 --> 00:03:25,519
Jeroen: Er zit variatie ook tussen pathologen.

38
00:03:25,758 --> 00:03:33,039
Joop: Betekent dat je naast, want je zegt efficiënter maken, betekent het dan ook kwalitatief beter maken, dat er ook bij hoort.

39
00:03:33,118 --> 00:03:33,599
Jeroen: Ja, precies.

40
00:03:33,759 --> 00:03:38,558
Jeroen: Dus als jij stel dat jij een verhoogd PSA niveau.

41
00:03:38,718 --> 00:03:41,038
Jeroen: Het PSA is een stofje dat meet je in het bloed.

42
00:03:41,278 --> 00:03:45,678
Jeroen: En als je als man te hoog PSA hebt, kan het duiden op prostaatkanker.

43
00:03:45,838 --> 00:03:47,999
Jeroen: Dan kan een uroloog die opnemen.

44
00:03:47,998 --> 00:03:50,078
Jeroen: Dus je neemt een klein beetje weefsel af.

45
00:03:50,079 --> 00:03:53,678
Jeroen: En dan gaat de patholoog kijken, is daar sprake van kanker.

46
00:03:53,919 --> 00:03:59,039
Jeroen: En als het kanker is, gaat die patholoog ook kijken van hoe ernstig ziet het eruit.

47
00:03:59,278 --> 00:04:07,759
Jeroen: En als die patholoog zegt van het ziet er eigenlijk helemaal niet zo ernstig uit, dan is het beleid, kom over een jaar terug, testen of een jaar weer dat bloed.

48
00:04:07,919 --> 00:04:11,678
Jeroen: Ziet het er heel ernstig uit, dan moet die prostaat meteen verwijderd worden.

49
00:04:11,999 --> 00:04:16,639
Jeroen: Dan kan je voorstellen, als je die patholoog geeft dan een graad van ernst.

50
00:04:16,639 --> 00:04:20,878
Jeroen: Dus die patholoog zegt: het is een kankergraad 1, 2, 3, 4.

51
00:04:22,238 --> 00:04:24,879
Jeroen: Dat lijkt de pathologen af aan patronen in het weefsel.

52
00:04:25,039 --> 00:04:30,958
Jeroen: Dus je kijkt naar allerlei patronen en de groei van de cellen die bepaalt of het een graad 1, 2, 3 is.

53
00:04:31,278 --> 00:04:43,838
Jeroen: Ik kan je voorstellen, als een vijf pathologen dat zouden doen, twee pathologen dat zouden doen, komt het wel eens voor dat de ene zegt: ik denk dat het een graad 2 is, en de andere denkt van nou, ik zie toch echt aanwijzingen voor je graad 3.

54
00:04:44,158 --> 00:04:48,719
Jeroen: AI kan daarbij helpen en AI is natuurlijk ontzettend consequent in zijn beoordeling.

55
00:04:48,718 --> 00:04:54,959
Jeroen: Dus AI kan helpen om die patholoog consequenter te maken en te zorgen dat ze allebei op een twee of een drie uitkomen.

56
00:04:54,959 --> 00:04:57,839
Joop: Wat maakt het heel erg uit dan, een 2 of een drie.

57
00:04:57,839 --> 00:05:05,439
Joop: Dat ligt eraan dat kan het verschil zijn tussen het verwijderen van de prostaat en het niet verwijderen van behoorlijke impact dan heeft het wel impact.

58
00:05:06,398 --> 00:05:07,919
Niels: En ik was wel nieuwsgierig.

59
00:05:07,919 --> 00:05:12,878
Niels: Je zei een foto, het is op basis van een foto of is het van meerdere foto's, broei.

60
00:05:12,878 --> 00:05:13,999
Jeroen: Het is een microscoopbeeld.

61
00:05:15,199 --> 00:05:19,279
Jeroen: Dus wat wij wat je in de pathologie doet, je maakt microscopische preparaten.

62
00:05:19,678 --> 00:05:24,959
Jeroen: Vroeger keek een patholoog door een microscoop en die beoordeelt dat dat weefsel door een microscoop.

63
00:05:25,039 --> 00:05:28,078
Jeroen: Tegenwoordig steeds meer kunnen we die beelden digitaliseren.

64
00:05:28,078 --> 00:05:30,039
Jeroen: Dus het volledige preparaat digitaliseren.

65
00:05:30,039 --> 00:05:33,518
Jeroen: En dan hebben we een whole slide image.

66
00:05:34,238 --> 00:05:34,919
Jeroen: Heel groot beeld.

67
00:05:34,319 --> 00:05:39,558
Niels: Ja, heel groot beeld van een scan van alles wat er in het preparaat dan zit om te gebruiken.

68
00:05:40,198 --> 00:05:44,599
Jeroen: Maar het zijn hele grote beelden, je hebt het over 3 gigabyte aan pixels.

69
00:05:44,599 --> 00:05:45,958
Jeroen: Gecomprimeerd.

70
00:05:46,919 --> 00:05:48,758
Jeroen: Dus dat zijn enorme beelden.

71
00:05:49,479 --> 00:05:57,079
Niels: En die kan je dus dan allemaal gebruiken, terwijl hiervoor moet je een microscoop inzoomen, uitzoomen, inzoomen uitzoomen of niet.

72
00:05:58,118 --> 00:06:02,998
Jeroen: Dus de patholoog die kijkt aan beeldscherm, maar die heeft software die eigenlijk dat microscoop een beetje nadoet.

73
00:06:02,998 --> 00:06:05,798
Jeroen: Dus je kan nog steeds inzoomen, uitzoomen, schuiven.

74
00:06:07,959 --> 00:06:21,238
Niels: Je noemde in het begin specialisatiepathologie, maar volgens mij hoor ik ook heel veel zaken weer, kankerdetectie, andere soorten weefsels, dus daarbinnen is eigenlijk weer een heel groot gebied, heb ik het gevoel van pathologie.

75
00:06:21,878 --> 00:06:26,838
Jeroen: Nou, ja, pathologie is heel breed, alle diagnostiek die je op weefsels doet.

76
00:06:27,159 --> 00:06:28,919
Jeroen: Dat komt bij een patholoog terecht.

77
00:06:29,079 --> 00:06:33,559
Jeroen: Dus het gaat ook over baarmoederhals uitstrijkjes, dat gaat over biopsie.

78
00:06:33,798 --> 00:06:39,159
Jeroen: Maar als iemand kanker heeft in een orgaan, dan wordt ook het hele orgaan onderzocht.

79
00:06:39,798 --> 00:06:46,118
Jeroen: Als je een transplantaat nier hebt, dan kan het zo zijn dat er een afstotingsreactie plaatsvindt in die nier.

80
00:06:46,118 --> 00:06:49,798
Jeroen: Dan halen we dan ook een klein beetje weefsel uit en dat het ook door een patholoog bekeken.

81
00:06:51,238 --> 00:06:56,519
Niels: Als het daar goed gebruikt wordt en dan is de impact ook heel groot die het kan hebben.

82
00:06:56,678 --> 00:07:00,998
Jeroen: Ja, in principe wel, dat is natuurlijk wel een interessant punt.

83
00:07:02,279 --> 00:07:09,558
Jeroen: Een jaar of tien, vijftien, dus dat digitaliseren van die pathologie, dat is eigenlijk vrij recent, dat is iets van die laatste.

84
00:07:09,638 --> 00:07:18,039
Jeroen: Ja, het ligt eraan waar je bekijkt, maar wij in Nijmegen doen het de afgelopen vijf jaar, dus alles digitaliseren.

85
00:07:18,039 --> 00:07:20,438
Jeroen: Als je naar Amerika gaat.

86
00:07:20,438 --> 00:07:23,638
Jeroen: Dan zien ze eigenlijk de meerwaarde van digitaliseren nog niet.

87
00:07:23,719 --> 00:07:29,559
Jeroen: Dat is 5% van de pathologie laboratoria werkt met digitale beelden.

88
00:07:29,558 --> 00:07:31,878
Jeroen: 95% werkt met een microscoop.

89
00:07:33,719 --> 00:07:39,798
Jeroen: Dat heeft een beetje te maken dat digitaliseren best duur is en dat veel pathologen zeggen van nou, ik zie die meerwaarde eigenlijk niet.

90
00:07:40,118 --> 00:07:48,279
Jeroen: En dat heeft wel grote consequenties, want dat betekent bijvoorbeeld voor de bedrijven in ons veld, er zijn steeds meer start-ups die proberen AI voor de pathologie te ontwikkelen.

91
00:07:48,599 --> 00:07:51,879
Jeroen: Die hebben het erg moeilijk, omdat de markt er eigenlijk bijna niet.

92
00:07:51,878 --> 00:07:57,319
Jeroen: Als pathologen niet digitaliseren in pixels hebben, dan kom je met AI niet heel ver natuurlijk.

93
00:07:57,319 --> 00:08:01,558
Joop: En willen ze het dan niet omdat ze niet in die AI geloven.

94
00:08:02,359 --> 00:08:03,158
Jeroen: Het zijn twee stappen.

95
00:08:03,398 --> 00:08:07,798
Jeroen: De digitalisering is een stap los van de AI.

96
00:08:08,118 --> 00:08:11,558
Jeroen: Waarbij je gewoon wel workflow verbetering kan hebben.

97
00:08:11,798 --> 00:08:14,758
Jeroen: Normaal heb je dus die microscopische preparaten.

98
00:08:14,758 --> 00:08:21,319
Jeroen: En die worden voortdurend, dat is allemaal glas, dat worden door zijn afdeling heen gebracht van de ene plek naar de andere, het kan zoek raken.

99
00:08:21,559 --> 00:08:25,078
Jeroen: Het opslaan daarvan is een heel gedoe, het is heel zwaar allemaal.

100
00:08:25,318 --> 00:08:34,357
Jeroen: Dus de digitale pathologie, het zeker digitaliseren, los van de AI, dat is op zich al een grote transformatie in de pathologie, waar gewoon de workflow een stuk soepeler maakt.

101
00:08:34,998 --> 00:08:36,998
Jeroen: Dat zien het niet alle pathologen zetten.

102
00:08:36,998 --> 00:08:40,519
Jeroen: Want ze zeggen van ja, dat is heel duur en de winst is eigenlijk niet zo heel groot.

103
00:08:40,839 --> 00:08:43,318
Jeroen: De volgende stap zou natuurlijk zijn AI.

104
00:08:43,318 --> 00:08:48,599
Jeroen: Maar ik denk dat AI op zich een reden kunnen zijn voor pathologen om daar te digitaliseren.

105
00:08:48,839 --> 00:08:52,199
Jeroen: Alleen de meerwaarde van AI is onvoldoende aangetoond.

106
00:08:52,438 --> 00:09:00,039
Jeroen: Dus ik denk op het moment dat wij kunnen aantonen van een pathologie lab kan door het gebruik van AI enorme winst boeken op de een of andere manier.

107
00:09:00,359 --> 00:09:03,798
Jeroen: Dan denk ik dat de stap van digitalisering makkelijker wordt.

108
00:09:03,959 --> 00:09:07,078
Joop: En waarom is die zo moeilijk om dat aan te tonen?

109
00:09:07,079 --> 00:09:11,398
Joop: Want je zou denken, je beelden, je hebt hele fijne, fijnmazige beelden.

110
00:09:11,638 --> 00:09:14,118
Joop: Daar is AI typisch voor geschikt.

111
00:09:14,118 --> 00:09:18,439
Joop: Wat maakt het dan complex om het dan wel aan te tonen?

112
00:09:19,079 --> 00:09:20,599
Jeroen: Ja, goede vraag.

113
00:09:20,758 --> 00:09:22,839
Jeroen: Er zijn een aantal punten, denk ik.

114
00:09:22,839 --> 00:09:27,319
Jeroen: Eén belangrijke is dat de kwaliteit van de AI toch niet altijd goed genoeg is.

115
00:09:27,559 --> 00:09:32,679
Jeroen: En dat heeft er vooral mee te maken dat je ontzettend veel variatie in je data.

116
00:09:32,918 --> 00:09:37,719
Jeroen: En jullie kennen vast het probleem met generaliseerbaarheid van AI.

117
00:09:37,719 --> 00:09:43,799
Jeroen: Dus dat betekent als ik AI produceer in Nijmegen in mijn eigen centrum en dat werkt ongelooflijk goed.

118
00:09:44,118 --> 00:09:48,039
Jeroen: En ik kom naar vele, dan kun je het vele nadoen.

119
00:09:48,599 --> 00:09:51,399
Joop: Utrecht.

120
00:09:52,519 --> 00:10:02,758
Jeroen: Je zet diezelfde AI neer in Utrecht, dan doet hij het een stuk minder goed, omdat Utrecht heeft een iets andere manier van het maken van die preparaten, even een iets andere manier van het scannen van die preparaten.

121
00:10:03,878 --> 00:10:10,519
Joop: Dat gaat niet eens om het weefsel, het gaat uiteindelijk over hoe je dit weefsel gedigitaliseerd krijgt.

122
00:10:10,518 --> 00:10:15,319
Jeroen: De stap, zeg maar, van het uitgenomen weefsel tot een digitaal beeld.

123
00:10:15,319 --> 00:10:23,599
Jeroen: Daar zit een heleboel stapjes in en het weefsel wordt gefixeerd, dat wordt, daar worden dunne plakjes voor gesneden, dat wordt gekleurd, dat wordt gescand.

124
00:10:24,079 --> 00:10:28,639
Jeroen: En al die stappen die brengen variatie in je beeld.

125
00:10:28,959 --> 00:10:37,199
Jeroen: En het blijkt dus dat er ongelooflijk grote variaties kunnen zijn tussen verschillende laboratoria, verschillende landen in hoe dat beeld eruit ziet.

126
00:10:37,439 --> 00:10:45,118
Jeroen: Dus een heel groot deel van het onderzoek dat wij doen en dat er gedaan wordt, is kijken hoe maken we onze AI nou robuust voor deze variaties.

127
00:10:45,118 --> 00:10:51,039
Joop: Oké, maar hebben jullie bij jullie zelf intern wel aangetoond dat het meerwaarde heeft.

128
00:10:51,038 --> 00:10:55,518
Joop: En neem je nu de stap om te kijken of je het generieker kan maken.

129
00:10:55,679 --> 00:10:57,119
Joop: Werkt het zo goed.

130
00:10:57,918 --> 00:10:59,038
Jeroen: Ja, ik denk het wel.

131
00:10:59,518 --> 00:11:03,279
Jeroen: Dus die meerwaarde die kan uit een aantal verschillende dingen bestaan.

132
00:11:03,278 --> 00:11:05,199
Jeroen: En twee hebben we net al genoemd.

133
00:11:05,359 --> 00:11:09,679
Jeroen: Dus de belangrijkste voordelen die pathologen zien, is efficiëntie.

134
00:11:10,079 --> 00:11:15,758
Jeroen: Dat is bijvoorbeeld een patholoog die moet iets beoordelen en dat kost veel tijd.

135
00:11:15,998 --> 00:11:22,558
Jeroen: Zo een computer AI zou je een soort voorscreening kunnen laten doen waarbij de patholoog dus tijd bespaart.
136
00:11:23,038 --> 00:11:28,319
Jeroen: Bijvoorbeeld iets wat wij veel bestudeerd hebben, is een vrouw die borstkanker heeft.
 136
00:11:28,638 --> 00:11:34,959
Jeroen: Daar kijken we altijd naar de lymfklieren, omdat als er tumor zit in de lymfklier, dan betekent dat dat die tumor.
 137
00:11:36,158 --> 00:11:39,199
Jeroen: Die borstkanker het vermogen heeft om uit te zaaien.
 138
00:11:39,359 --> 00:11:41,439
Jeroen: Want hij is naar het lymfklier gegaan.
 139
00:11:41,439 --> 00:11:45,758
Jeroen: Dus dat betekent dat ze eigenlijk een slechte prognose geeft.
 140
00:11:45,758 --> 00:11:51,599
Jeroen: Dus dat betekent bijvoorbeeld dat die vrouw eerder chemotherapie zal moeten krijgen naast chirurgie.
 141
00:11:51,839 --> 00:11:58,079
Jeroen: Het vinden van die uitzaaiing lymfklieren, dat is eigenlijk een soort speurwerk, dus een patholoog heeft een heel groot beeld.
 142
00:11:58,079 --> 00:12:01,038
Jeroen: En moet gaan zoeken of er ergens een paar tumorcellen zitten.
 143
00:12:01,038 --> 00:12:05,839
Jeroen: En dat kost typisch één tot twee minuten per beeld per preparaat.
 144
00:12:06,158 --> 00:12:12,559
Jeroen: We hebben aangetoond, als je een patholoog AI geeft, die AI die scant dat beeld van tevoren, die vindt mogelijke tumorcellen.
 145
00:12:12,559 --> 00:12:17,359
Jeroen: En die patholoog hoeft alleen maar te kijken van oké, AI heeft hier iets gevonden, hier iets gevonden, hier iets gevonden.
 146
00:12:17,518 --> 00:12:22,879
Jeroen: Ik kijk alleen wat die AI gedetecteerd heeft, is daar tumor bij, dan weet ik het, is er geen tumor bij, weet ik het ook.
 147
00:12:22,878 --> 00:12:28,159
Jeroen: Dus dan kan je in principe kan je daar 50% van de pathologentijd of meer kun je daarmee besparen.
 148
00:12:29,678 --> 00:12:36,799
Joop: Wij zegt één tot twee minuten, dat klinkt nog niet veel, maar als het dan 50% is van alles wat je aan het doen bent.
 149
00:12:37,279 --> 00:12:38,238
Joop: Dat is wel fors.
 150
00:12:38,398 --> 00:12:41,359
Jeroen: Ja, maar toch wat je zegt klopt eigenlijk wel.
 151
00:12:41,839 --> 00:12:51,039
Jeroen: Ik heb het ooit wel eens uitgerekend, dat die lymfklieren bekijken, wat ik zo eens beschrijf, dat is een stukje van het werk van de patholoog bij iedere borstkanker.
 152
00:12:51,359 --> 00:12:59,039
Jeroen: Maar ik heb het ooit uitgerekend, als we naar alle al die lymfklieren in heel Nederland met AI zouden voor screenen.
 153
00:12:59,038 --> 00:13:06,959
Jeroen: Dan zouden we uiteindelijk op jaarbasis, nou ben ik het precies het getal kwijt, maar op jaarbasis zouden we per patholoog in heel Nederland een paar uur tijd besparen.
 154
00:13:07,599 --> 00:13:16,159
Jeroen: Dan moet je tegen afzetten dat als een bedrijf ze op de markt brengt, het product moet maken, moet certificeren, moet jaren aanwerken.
 155
00:13:16,238 --> 00:13:17,919
Jeroen: Het gaat niet verlopen, natuurlijk.
 156
00:13:19,599 --> 00:13:23,119
Jeroen: Het groot probleem is wel dat we die efficiëntie laten zien.
 157
00:13:23,118 --> 00:13:27,199
Jeroen: Maar wat je eigenlijk wil, het werk van de patholoog is heel breed.
 158
00:13:27,438 --> 00:13:37,279
Jeroen: Patoloog opent een casus, nieuwe casus, kijkt naar klinische gegevens, kijkt naar het verleden van de patiënt, gaat die beelden beoordelen en moet vervolgens een verslag maken.
 159
00:13:37,279 --> 00:13:44,319
Jeroen: En wat we tot nog toe hebben gedaan, is AI bouwen die alleen in dat beoordelen van die beelden, een stukje werk overneemt.
 160
00:13:44,559 --> 00:13:51,679
Jeroen: En als je op de hele workflow van de patholoog bekijkt, dan is dat toch vrij beperkt wat die winst is.
 161
00:13:51,679 --> 00:13:57,839
Jeroen: Wat ik merk is dat pathologen heel vaak tegen mij zeggen van weet je, dat stukje wat je aan die beelden doet, dat is leuk.
 162
00:13:57,839 --> 00:14:01,039
Jeroen: Maar dat stuk rapportage bijvoorbeeld, dat kost veel meer tijd.
 163
00:14:01,278 --> 00:14:08,158
Jeroen: Dus als je niet alleen maar dat beeld kan analyseren, maar je kan ook met een LLM bijvoorbeeld daar een stuk rapport maken.
 164
00:14:08,158 --> 00:14:14,238
Jeroen: En zeggen van oké, die patholoog hoeft dat stuk rapport ook niet meer te maken, die rapportage die wordt ook geautomatiseerd.
 165
00:14:14,238 --> 00:14:16,398
Jeroen: Dan zou de winst een stuk groter worden.
 166
00:14:16,398 --> 00:14:24,479
Niels: Ja, maar dat betekent ook wel dat die context die de patholoog heeft, die zou je ook mee moeten nemen dan naast de foto's en de beoordeling daarvan.
 167
00:14:24,638 --> 00:14:27,039
Jeroen: Ja, de complexiteit van je AI wordt groter.
 168
00:14:27,839 --> 00:14:34,079
Joop: Maar nu wordt er alleen gerekend dan in wat dit betekent aan productiviteit voor de patholoog.
 169
00:14:34,238 --> 00:14:45,038
Joop: Ik kan me zo voorstellen dat de winst ook in kan zitten in het vroegtijdiger kunnen detecteren van bijvoorbeeld de kankercellen of beter detecteren.
 170
00:14:45,359 --> 00:14:47,199
Joop: Wat dat dan betekent voor de patiënt.
 171
00:14:47,359 --> 00:14:52,399
Joop: En als je daar winst weten boeken, is dat zijn dat denk ik veel grotere stappen.
 172
00:14:52,559 --> 00:14:54,878
Jeroen: Ja, ben ik helemaal met je eens.
 173
00:14:54,878 --> 00:14:59,998
Jeroen: En wat we tot nog toe zien, maar ik denk dat het wat dat betreft nog redelijk vroeg is voor ons vakgebied.
 174
00:15:00,958 --> 00:15:07,639
Jeroen: Kijk, als wij nu met pathologen praten, dan is eigenlijk bijna altijd het verhaal.
 175
00:15:08,038 --> 00:15:14,839
Jeroen: Ik wil die AI best gebruiken, maar het gaat me geld kosten, ik moet allemaal techniek, dat moet allemaal geregeld worden.
 176
00:15:15,158 --> 00:15:23,319
Jeroen: Dus dan moet daar een heel duidelijke business case zijn dat die AI mij zoveel winst gaat geven dat ik er voor over heb.
 177
00:15:23,319 --> 00:15:27,719
Jeroen: En een patholoog kijkt dan natuurlijk in eerste instantie naar zijn eigen efficiëntie.
 178
00:15:27,719 --> 00:15:36,758
Jeroen: Als ik tegen de patholoog zeggen van we hebben in studies aangetoond dat de kwaliteit van de pathologie voor bepaalde toepassingen beter wordt door het gebruik van AI.
 179
00:15:36,758 --> 00:15:46,199
Jeroen: En zoals die prostaatkanker die ik zojuist zei, we hebben laten zien dat de gemiddelde patholoog een betere kwaliteit diagnose geeft met AI.
 180
00:15:48,918 --> 00:15:56,759
Jeroen: Ik vergelijk het wel eens met, ik denk dat het aantoonbaar is dat een zelfrijdende auto een betere kwaliteit chauffeur geeft dan een gemiddelde chauffeur.
 181
00:15:57,398 --> 00:16:03,479
Jeroen: Ik denk dat heel veel mensen daar mee eens zijn, laten we heel veel zelfrijdende auto's hebben, want de gemiddelde chauffeur is op die per se heel goed.
 182
00:16:03,719 --> 00:16:18,998
Joop: En ik denk dat heel veel mensen daarmee eens zijn, maar als ik tegen iemand zeggen van ik denk dat jij zelfrijdt, Niels staat net op te scheppen dat hij iemand dezelfde in de stand gezet had, en het bevalt mij prima voorlopig, maar dat geldt hier ook voor.
 183
00:16:19,079 --> 00:16:29,879
Jeroen: Kijk, als ik een patholoog zeggen van wij hebben in studies aangetoond dat in gemiddelde zin een patholoog tot een betere diagnose komt met AI, dan zijn de meeste mensen geloven dat wel.
 184
00:16:29,878 --> 00:16:37,799
Joop: Maar als ik dan zegt, oké, jij moet nou geld gaan betalen om jouw eigen kwaliteit van diagnostiek te verbeteren, je hoeft alleen voor de buurman.
 185
00:16:38,918 --> 00:16:41,158
Joop: Maar hebben jullie dat soort onderzoeken gedaan?
187
00:16:41,158 --> 00:16:42,279
Jeroen: Jazeker.

186
00:16:42,359 --> 00:16:44,679
Joop: En wat zijn de uitkomsten daarvan?

187
00:16:44,679 --> 00:16:53,639
Jeroen: We hebben voor een aantal toepassingen laten zien dat de kwaliteit van diagnostiek echt beter wordt voor bijvoorbeeld het graderen van borstkanker voor het graderen van prostaatkanker.

188
00:16:53,959 --> 00:17:00,119
Jeroen: Dat een patholoog met AI een uitkomst krijgt die dichter zit bij de waarheid.

189
00:17:00,118 --> 00:17:06,117
Jeroen: Dus wat we doen, we doen dan studies waarbij we een aantal casus selecteren.

190
00:17:06,358 --> 00:17:10,598
Jeroen: Dan laten we een panel van experts laten we zeggen, de waarheid bepalen.

191
00:17:10,598 --> 00:17:13,799
Jeroen: Dus die bepalen vanuit dit idealiter zou dit de uitkomst zijn.

192
00:17:14,039 --> 00:17:16,759
Jeroen: Bijvoorbeeld een graad 2 of een graad 3 of graad 4.

193
00:17:17,079 --> 00:17:23,719
Jeroen: Vervolgens laten we een groot panel van 15 pathologen laten we die casussen beoordelen zonder AI en met AI.

194
00:17:23,959 --> 00:17:29,319
Jeroen: En dan kijken we of hun scores dichter komen bij die waarheid die we bedacht hebben.

195
00:17:29,319 --> 00:17:33,238
Jeroen: En dan blijkt inderdaad dat het vaak het geval is dat het pathologen met AI.

196
00:17:33,238 --> 00:17:44,359
Jeroen: En zeker de pathologen die minder gespecialiseerd zijn in een bepaald gebied, je hebt pathologen die heel veel prostaat doen, die zijn heel erg goed.

197
00:17:44,359 --> 00:17:47,718
Jeroen: Maar je hebt ook pathologen in kleinere ziekenhuizen, die doen heel veel verschillende dingen.

198
00:17:47,719 --> 00:17:51,478
Jeroen: Die doen niet alleen prostaat, maar die doen ook alle mogelijke organen.

199
00:17:51,718 --> 00:18:00,198
Jeroen: En met name die pathologen, de meer algemene pathologen, die gaan met behulp van AI dichter naar die waarheid toe.

200
00:18:00,998 --> 00:18:13,478
Jeroen: Waar we nu mee bezig zijn, want ik zei altijd, dat is iets waarvan veel mensen zeggen van ja, leuk, mooi dat je het aan hebt, maar ik voel me niet geroepen om nu AI te gebruiken.

201
00:18:13,478 --> 00:18:17,959
Jeroen: Dus wat wij nu aan doen zijn, we zijn nu een studie aan doen waarbij we proberen om dit door te vertalen.

202
00:18:17,958 --> 00:18:22,758
Jeroen: En te zeggen van oké, als we nou weten hoeveel beter die diagnostiek wordt met AI.

203
00:18:23,079 --> 00:18:31,799
Jeroen: Wat betekent dat heel concreet voor het aantal mannen in Nederland bijvoorbeeld die een prostatectomie krijgen, waar de prostaat verwijderd wordt.

204
00:18:32,118 --> 00:18:34,359
Jeroen: Hoe vaak gebeurt dat misschien onterecht?

205
00:18:34,438 --> 00:18:38,278
Jeroen: En wat gebeurt er met dat getal als we AI gebruiken?

206
00:18:38,759 --> 00:18:44,118
Jeroen: Want ik denk dat we een veel sterker verhaal hebben, ook richting de verzekeraar, ook recht in de patiëntenvereniging.

207
00:18:44,118 --> 00:18:51,238
Jeroen: Als ik kan zeggen, door onze AI worden er vorig jaar in Nederland 100 mannen geen prostaat verwijderd, waar het ook eigenlijk niet nodig is.

208
00:18:51,319 --> 00:18:56,118
Jeroen: Of er zijn 100 mannen waar die wel wat verwijderd waar dat nu misschien niet gebeurt, terwijl ze het wel nodig hebben.

209
00:18:56,359 --> 00:18:57,718
Jeroen: En dan maak je het veel concreter.

210
00:18:57,719 --> 00:19:01,798
Jeroen: Want nu blijft het blijft een beetje statistiek, het blijft al een beetje wetenschap.

211
00:19:01,799 --> 00:19:07,158
Jeroen: En wij proberen het dus veel concreter te maken wat de winst van AI is, want dat is eigenlijk het grote probleem.

212
00:19:07,958 --> 00:19:11,318
Jeroen: Er wordt heel veel onderzoek gedaan, er is nog steeds heel veel hype.

213
00:19:12,839 --> 00:19:16,359
Jeroen: Volgens mij vertel ik dat tegen jou toen elkaar tegenkwamen bij dat congres.

214
00:19:16,359 --> 00:19:21,559
Jeroen: En er zijn, ik denk, 100 of 200 wetenschappelijke publicaties.

215
00:19:21,559 --> 00:19:29,798
Jeroen: Die zeggen van, goh, wat zou het toch mooi zijn als je AI kon gebruiken voor prostaatbiopte, die vervolgens een serie prostaatbiopte verzamelen, AI bouwen.

216
00:19:29,799 --> 00:19:37,799
Jeroen: Een wetenschappelijke artikel schrijven en zeggen, wij hebben nu aangetoond hoe ongelooflijk beloftevol AI is voor prostaat, er zijn er denk ik 200.

217
00:19:37,799 --> 00:19:39,718
Jeroen: Ik weet zeker dat op dit moment nummer 201.

218
00:19:41,158 --> 00:19:44,118
Jeroen: Er is vrijwel niemand in de wereld die het gebruikt.

219
00:19:44,118 --> 00:19:48,118
Jeroen: En er is vrijwel niemand in de wereld die heeft bestudeerd van ja, maar wat betekent het nou?

220
00:19:48,559 --> 00:19:59,359
Jeroen: Maar het is natuurlijk leuk dat het beter wordt, maar ja, als dat beter worden, alleen maar een of ander getalletje is, wat niet leidt tot echt concrete patiëntwaarde, dan moet je ook afvragen waarom ze het willen gebruiken.

221
00:19:59,359 --> 00:20:00,079
Joop: Zeker.

222
00:20:00,079 --> 00:20:02,638
Jeroen: En die data, die zijn er eigenlijk nog te weinig.

223
00:20:02,878 --> 00:20:04,559
Niels: En daar zijn jullie mee bezig.

224
00:20:05,599 --> 00:20:07,118
Jeroen: Ja, maar dat zijn wel hele lastige studies.

225
00:20:07,198 --> 00:20:10,558
Niels: Ja, dat kan ik geloven, inderdaad, dat zou ook een bij benadering zijn.

226
00:20:10,718 --> 00:20:13,918
Niels: Ik was even nieuwsgierig, vandaar dat ik een beetje zo zat dat ik heb een vraag.

227
00:20:14,158 --> 00:20:15,759
Niels: Ik heb het even verzeten.

228
00:20:15,759 --> 00:20:27,839
Niels: Je zegt, we hebben het dan zonder AI, we hebben een patholoog met AI, heb je hem ook gedaan zonder patholoog, om te kijken of er een bias is van de patholoog die door de AI beïnvloed wordt om een bepaalde keuze te maken.

229
00:20:27,839 --> 00:20:30,238
Jeroen: Ja, dat is een goede vraag.

230
00:20:30,718 --> 00:20:32,479
Jeroen: Ja, dat doen we ook.

231
00:20:32,478 --> 00:20:37,758
Jeroen: En het lijkt dan nu bij sommige toepassingen, ik moet er wel voorzichtig mee zijn, maar er zijn toepassingen.

232
00:20:38,239 --> 00:20:43,038
Jeroen: Dus wij zeggen altijd de patholoog vergelijk je met de patholoog met de AI.

233
00:20:43,359 --> 00:20:48,079
Jeroen: Op een gegeven moment kun je af gaan vragen van kun je de AI vergelijken van de AI met patholoog.

234
00:20:48,079 --> 00:20:52,478
Jeroen: En er zijn toepassingen waar de patholoog het niet beter maakt, maar zelfs slechter.

235
00:20:52,799 --> 00:21:04,718
Jeroen: Is vergelijkbaars zie je ook in andere vakgebieden, zijn allerlei plekken waar we zien dat de mensen heeft vaak het gevoel dat je moet ingrijpen dat je allerlei toch dingen ziet die een AI niet kan zien.

236
00:21:04,718 --> 00:21:10,798
Jeroen: Het voordeel van een AI is dat die ongelooflijk consequent is, echt rücksichtsloos consequent.

237
00:21:12,398 --> 00:21:20,478
Jeroen: Er zijn toepassingen waar je ziet dat inderdaad, als een mens probeert op in te grijpen, dat dat vaker negatief uitpakt dan positief.

238
00:21:20,799 --> 00:21:22,558
Jeroen: Dat ligt natuurlijk wel heel gevoelig allemaal.

239
00:21:22,638 --> 00:21:24,079
Niels: Ja, en aan de situatie.

240
00:21:24,079 --> 00:21:32,319
Niels: En ja, er zijn natuurlijk zoveel bij de menselijke kant, je kan moe zijn, je zit toch met beeld, dus je zit te kijken, dus er speelt heel veel factoren mee inderdaad.

241
00:21:32,719 --> 00:21:41,278
Jeroen: Ja, en ook waar we het net over hadden, de opname van AI door door de beroepsgroep waarom gebruiken mensen het wel of niet.
244
00:21:41,678 --> 00:21:48,638
Jeroen: Kijk, als je naar congressen gaat, een van de vragen die je altijd krijgt als je presentaties geeft, gaat het de patholoog vervangen.

242
00:21:49,039 --> 00:21:52,559
Jeroen: Ik denk dat dat op heel veel gebieden in de maatschappij geldt.

243
00:21:52,799 --> 00:21:54,319
Jeroen: Op dit moment ook voor onderzoekers.

244
00:21:54,398 --> 00:22:06,798
Jeroen: Er komen steeds meer AI agents die geweldig wetenschappelijk onderzoek kunnen bedenken, opzetten, bijna uitvoeren, dus ook mijn eigen baan is wat dat betreft ver van veilig, denk ik.

245
00:22:07,039 --> 00:22:09,758
Jeroen: Maar dat is natuurlijk een terechte vraag.

246
00:22:09,999 --> 00:22:15,198
Jeroen: Tegelijk vind ik zelf ook alweer, we werken in een ziekenhuis, ik werk in een ziekenhuis.

247
00:22:15,198 --> 00:22:19,198
Jeroen: Uiteindelijk gaat het niet om de dokter, het gaat niet om mij, het gaat om de patiënt.

248
00:22:19,678 --> 00:22:25,839
Jeroen: Dus ik vind tegelijkertijd ook als wij AI zo ver kunnen krijgen dat hij het beter doet dan een patholoog.

249
00:22:25,839 --> 00:22:29,918
Joop: Ja, dan zou het ook wel onethisch zijn om te zeggen, dat gaan we niet gebruiken.

250
00:22:30,478 --> 00:22:32,878
Jeroen: Maar goed, zover zijn we nog lang niet door.

251
00:22:33,198 --> 00:22:37,999
Jeroen: Het blijft nog steeds wel bij hele bepaalde beperkte toepassingen waar we dat kunnen doen.

252
00:22:38,319 --> 00:22:43,198
Niels: En je hebt een aantal vanuit research is er nog steeds heel veel research, wat goed is, en het wordt  door onderzocht.

253
00:22:43,519 --> 00:22:52,959
Niels: Wat is volgens jou een belangrijke stap om van research naar praktijk te gaan, op basis van wat je zelf hebt ervaren, want dat is nog een horde.

254
00:22:53,279 --> 00:22:54,638
Jeroen: Ja, zeker.

255
00:22:55,199 --> 00:22:56,799
Jeroen: Wij zijn er wel hard mee bezig.

256
00:22:57,438 --> 00:23:01,039
Jeroen: Er zijn meer plekken, ook in Nederland waar ze mee bezig zijn.

257
00:23:01,678 --> 00:23:09,759
Jeroen: Je zit met één groot één grote drempel, en dat is, je kan niet zomaar iets in je praktijk toepassen.

258
00:23:09,759 --> 00:23:12,079
Jeroen: Het is medische sector.

259
00:23:12,079 --> 00:23:18,478
Jeroen: Dus je kan niet een chirurg kan niet zomaar eens een nieuw mes uitproberen en zeggen, het lijkt me nou eens leuk om dit te doen.

260
00:23:18,718 --> 00:23:22,079
Jeroen: En ook bij ons diagnostiek zitten ontzettend veel regelgeving.

261
00:23:22,398 --> 00:23:28,478
Jeroen: Dat betekent voor je iets mag gebruiken in praktijk, moet je heel veel bewijs leveren dat het veilig is.

262
00:23:28,799 --> 00:23:37,438
Jeroen: En moet je dat op allerlei manieren moet je dat gaan testen, moet je dat een kwaliteitsmanagementsysteem, daar moet dat allemaal in opgenomen worden.

263
00:23:37,839 --> 00:23:41,678
Jeroen: En dan zijn er eigenlijk grofweg twee manieren waarop je dat kan doen.

264
00:23:41,678 --> 00:23:44,959
Jeroen: Je kunt het ofwel doen via een bedrijf.

265
00:23:45,199 --> 00:23:50,158
Jeroen: We hebben zelf in Nijmegen een spin-off opgezet om dat voor elkaar te krijgen.

266
00:23:50,958 --> 00:23:58,638
Jeroen: Als je het als bedrijf doet, dan wil je dus als product in de markt zetten en dan moet je ook voldoen aan allerlei regelgevingen, moet je ook certificering krijgen.

267
00:23:59,118 --> 00:24:01,758
Jeroen: Dat is een ongelooflijk complex en duur proces.

268
00:24:01,759 --> 00:24:10,319
Jeroen: Waarbij je ook voor die certificering, bijvoorbeeld, moet je grote studies doen, moet je aantonen dat het veilig is, moet je ongelooflijk veel documentatie aanleveren.

269
00:24:10,559 --> 00:24:18,798
Jeroen: In Nijmegen hebben dat voor elkaar gekregen, dus we hebben één product hebben we certificering voor het graden van borstkanker.

270
00:24:20,239 --> 00:24:22,878
Jeroen: Dat is moeilijk, dat is complex, dat is duur.

271
00:24:22,878 --> 00:24:30,079
Jeroen: En vervolgens blijkt dat eigenlijk de markt nog niet echt daar is, zoals ik net al zei, de pathologen zijn ook helemaal niet zo eager om het te gaan gebruiken.

272
00:24:30,319 --> 00:24:44,038
Jeroen: De andere manier is wat ze in Amerika noemen een lab developed test, dat is een zeg maar een test als je je eigen onderzoek iets ontwikkelt, dan kun je een soort, dan hoef je geen certificering te doen, maar dan doe je een soort validatie in je eigen omgeving.

273
00:24:44,279 --> 00:24:48,039
Jeroen: En dan mag je het ook in huis gebruiken, dan mag je het voor eigen gebruik gebruiken.

274
00:24:48,279 --> 00:24:51,239
Niels: Dus dan mag het in je eigen instelling dan.

275
00:24:51,478 --> 00:24:54,518
Jeroen: Dus dat is dat wordt heel veel gebruikt in allerlei laboratoria.

276
00:24:54,519 --> 00:24:57,718
Jeroen: Je kan ook je eigen test ontwikkelen.

277
00:24:57,718 --> 00:25:02,839
Jeroen: Maar dan moet je wel zorgen dat je je eigen validaties doet dat je zelf aantoont dat het veilig is.

278
00:25:03,079 --> 00:25:04,839
Jeroen: Daar zijn ook allerlei protocollen voor.

279
00:25:04,839 --> 00:25:10,518
Jeroen: En wij zijn in eigen Nijmegen bezig om ook dat te doen voor een aantal verschillende AI-modellen.

280
00:25:10,999 --> 00:25:14,359
Jeroen: Dat blijkt ontzettend complex, veel ingewikkelder dan ik dacht.

281
00:25:14,359 --> 00:25:18,839
Jeroen: En dat zit hem eigenlijk een hele beetje simpele zaken.

282
00:25:20,118 --> 00:25:29,159
Jeroen: Je moet je AI AI moet werken, maar die AI produceren, dat hebben we gedaan, dat werkt je moet laten zien dat die AI goed werkt door het met gebruikers te gaan uitproberen.

283
00:25:29,398 --> 00:25:33,319
Jeroen: Maar je wil het ook in je workflow wil je het ook integreren.

284
00:25:33,559 --> 00:25:40,759
Jeroen: En dat integreren in die workflow betekent, je moet uiteindelijk in discussie met de bedrijven die onze workflow software leveren.

285
00:25:40,759 --> 00:25:42,438
Jeroen: En die moeten een API leveren.

286
00:25:42,519 --> 00:25:46,839
Jeroen: Je moet ergens moet je je beelden uit te halen en je resultaten terug te stoppen.

287
00:25:46,839 --> 00:25:56,278
Jeroen: Je moet met je IT-afdeling van je instelling moet je gaan praten, want er moet ergens een firewall port geopend worden, dan moet ergens een of andere server opgezet worden, klinkt heel erg verkend.

288
00:25:56,599 --> 00:26:07,158
Jeroen: Eigenlijk denken die allemaal heel simpel zijn, maar het opzetten van een Linux server, expertise van Linux is vrij beperkt, want we werken met Windows.

289
00:26:07,799 --> 00:26:14,519
Jeroen: Dus sommige hele eenvoudige eenvoudig oplosbare problemen, kosten soms maanden om op te lossen.

290
00:26:14,519 --> 00:26:20,518
Jeroen: Terwijl je denkt van ja, moeilijk kan het zijn een server binnen de firewall, dat kan een half jaar kosten.

291
00:26:21,958 --> 00:26:40,039
Joop: Als je er zo bovenop zit en zoveel van weet, is het soms dan niet frustrerend dat je aan de ene kant een technologie hebt die heel krachtig is en van alles zou kunnen betekenen voor patiënten, en dat je aan de andere kant te maken hebt met allemaal drempels, kuilen.

292
00:26:40,359 --> 00:26:45,878
Joop: Waar je doorheen moet voordat dat dan voor die patiënt ook daadwerkelijk meerwaarde gaat leveren.

293
00:26:45,878 --> 00:26:47,798
Jeroen: Ja, dat is zeker frustrerend.

294
00:26:48,198 --> 00:26:53,238
Jeroen: En vooral, weet je, kijk, als het wetenschappelijke stuk niet goed is, dan weet je, ik moet iets doen.
298
00:26:53,239 --> 00:26:59,238
Jeroen: Als je AI-model niet goed genoeg is, dan voel je je ergens verantwoordelijk en denk je, ik heb het niet goed gedaan.

295
00:26:59,239 --> 00:27:04,438
Joop: Als het gaat om het openen van een firewallpoort, dan voelt dat anders.

296
00:27:04,998 --> 00:27:12,038
Jeroen: En ik moet je eigenlijk zeggen, kijk, tien jaar geleden was ik ook denk ik veel meer van de hype, van het hype gevoel.

297
00:27:12,359 --> 00:27:17,878
Jeroen: Ging ik naar congressen en liet ik zien welke geweldige mogelijkheden er waren, en dan kreeg je altijd de vraag.

298
00:27:17,878 --> 00:27:20,999
Jeroen: Wanneer gaat dit een rol spelen?

299
00:27:20,998 --> 00:27:27,238
Jeroen: En dan zeg ik, nou vijf jaar max, dan hebben we in de pathologie zeker AI oplossingen die we gebruiken.

300
00:27:27,559 --> 00:27:28,999
Joop: Dat was tien jaar geleden.

301
00:27:29,239 --> 00:27:32,438
Jeroen: Ik vertelde net al, het wordt eigenlijk nog steeds vrij wat niet gebruikt.

302
00:27:32,759 --> 00:27:40,278
Jeroen: En ik vind het nu eng om die vraag te beantwoorden, omdat ik gewoon weet dat er zoveel factoren zijn die je niet onder controle hebt.

303
00:27:41,478 --> 00:27:45,079
Jeroen: Dat het heel lastig is om daar voor voorspellingen te doen.

304
00:27:45,319 --> 00:27:48,599
Jeroen: Maar het is wel frustrerend, want we weten dat de technisch van alles kunnen.

305
00:27:48,918 --> 00:27:53,719
Jeroen: Er zijn ook best wel veel gebruikers, potentiële gebruikers die vooruit willen.

306
00:27:53,958 --> 00:27:58,678
Jeroen: Maar ja, er zijn te veel horden nog om het echt breed in te zetten.

307
00:27:58,678 --> 00:28:10,438
Joop: En ik kan me ook voorstellen dat het wel lastig is als er iets is en de media pakken het natuurlijk ook altijd groot uit, net alsof het al nu beschikbaar is voor een grote groep.

308
00:28:10,438 --> 00:28:16,678
Joop: En aan de andere kant hebben we ook, weet je, vanuit de politiek dat ze zeggen, ja, AI lost alles op in de gezondheidszorg.

309
00:28:18,118 --> 00:28:19,479
Jeroen: Ja, dat is wensdenken.

310
00:28:19,478 --> 00:28:20,118
Joop: Ja toch?

311
00:28:20,599 --> 00:28:26,839
Joop: Als je niet zo goed weet wat de oplossing is voor de gezondheidszorg, daar roep je AI, kan je weer een paar jaar vooruit.

312
00:28:27,079 --> 00:28:29,958
Jeroen: Nee, AI lost niet alles op, zeker niet.

313
00:28:30,039 --> 00:28:32,438
Jeroen: Ik denk dat het echt een illusie is.

314
00:28:32,678 --> 00:28:37,238
Niels: En zijn jullie ook nog nieuwe modellen nu aan het maken of onderzoeken.

315
00:28:37,878 --> 00:28:38,598
Jeroen: Ja, zeker.

316
00:28:38,599 --> 00:28:41,398
Jeroen: We hebben heel veel projecten op allerlei gebieden.

317
00:28:41,719 --> 00:28:46,758
Jeroen: Mijn eigen focus is voor een groot deel borstkanker, daar ben ik al lang mee bezig.

318
00:28:47,239 --> 00:28:53,479
Jeroen: Maar ik heb ook projecten op niertransplantaten bijvoorbeeld, op de diagnostische tafel te verfijnen.

319
00:28:53,799 --> 00:28:55,878
Jeroen: Gynecologische kankers.

320
00:28:56,599 --> 00:29:01,398
Jeroen: Collega's van mij die kijken naar longkanker, huidkanker, prostaatkanker, pancreas.

321
00:29:01,958 --> 00:29:03,319
Jeroen: Veel oncologie.

322
00:29:03,559 --> 00:29:08,599
Jeroen: En op al die gebieden zien we echt wel mogelijkheden om winst te boeken.

323
00:29:08,839 --> 00:29:13,559
Jeroen: En dan zitten wij alleen maar in de in de pathologie kant, maar je hebt natuurlijk ook de radiologie.

324
00:29:13,599 --> 00:29:15,638
Jeroen: Daar is het ook een heel groot gebied.

325
00:29:15,878 --> 00:29:19,158
Jeroen: Genetica is een belangrijke stuk diagnostiek, waar je met AI iets kunt.

326
00:29:19,198 --> 00:29:23,839
Jeroen: Het liefst zou je multimodaal gaan en die dingen met elkaar gaan combineren.

327
00:29:20,359 --> 00:29:27,438
Jeroen: Kan allemaal, alleen ja, data is vaak de grote uitdaging.

328
00:29:27,519 --> 00:29:32,478
Jeroen: Als je een onderzoekskant hebt over wat is nou wat zijn je uitdagingen.

329
00:29:32,799 --> 00:29:37,038
Jeroen: Het krijgen van data, betrouwbare data, is ongelooflijk complex.

330
00:29:37,039 --> 00:29:41,998
Jeroen: En dan zit je met allerlei, ook met allerlei regelgevingen, de AVG GDPR in Europa.

331
00:29:43,279 --> 00:29:53,519
Jeroen: Ik ben als onderzoeker, hoogleraar ben ik echt een behoorlijk deel van mijn tijd ben ik bezig met het zoeken naar partners, het werk het werken aan data transfer agreements.

332
00:29:53,599 --> 00:29:58,718
Jeroen: Je kan niet zomaar data delen met iemand, er moet een juridisch een overeenkomst komen.

333
00:29:59,759 --> 00:30:02,158
Jeroen: Dat is ongelooflijk ingewikkeld.

334
00:30:02,239 --> 00:30:06,319
Jeroen: En dat is ook een van de redenen dat een van mijn grootste projecten is het Big Picture project.

335
00:30:06,319 --> 00:30:10,398
Jeroen: Ik was eigenlijk altijd over gelezen in het big picture zegt het al een beetje.

336
00:30:11,839 --> 00:30:19,118
Jeroen: Dat is een groot Europees project met 44 partners, waarvan tien farmaceutische bedrijven.

337
00:30:19,359 --> 00:30:22,559
Jeroen: Wat we daar doen, is we bouwen een hele grote database.

338
00:30:23,039 --> 00:30:26,718
Jeroen: Die we vullen met 3 miljoen pathologiebeelden.

339
00:30:26,718 --> 00:30:28,878
Jeroen: Plus allerlei metadata.

340
00:30:29,999 --> 00:30:35,599
Jeroen: Wat is het voor patiënten, wat is de leeftijd van de patiënt, wat is het geslacht van de patiënt, wat is de diagnose.

341
00:30:36,559 --> 00:30:44,158
Jeroen: En dat willen we beschikbaar maken voor onderzoekers, maar ook liefst voor bedrijven voor eigenlijk alle AI-ontwikkelaars.

342
00:30:44,799 --> 00:30:50,398
Jeroen: En dat is eigenlijk een beetje geboren vanuit onze eigen pijn met het verzamelen van data.

343
00:30:50,398 --> 00:30:55,118
Jeroen: We zien gewoon dat we heel veel tijd bezig zijn met het verzamelen van data dat het echt heel moeizaam is.

344
00:30:56,319 --> 00:30:58,238
Jeroen: Dat heeft eigenlijk iedereen er last van.

345
00:30:58,239 --> 00:31:00,878
Jeroen: Dus dat hele big picture idee is daaruit geboren.

346
00:31:00,958 --> 00:31:08,399
Jeroen: We hopen dat je straks, als Big Picture werkt, dat gaat nog een paar jaar duren, dat het in ieder geval heel duidelijk is.

347
00:31:08,398 --> 00:31:14,799
Jeroen: En nu zoals ik onderzoek wil doen op het gebied van borstkanker, dan moet ik gaan zoeken naar welke onderzoekers hebben mogelijk interessante data.

348
00:31:15,118 --> 00:31:19,199
Jeroen: Ik moet erachter gekomen welke data hebben ze nou eigenlijk precies, wat kan ik daar verwachten.

349
00:31:19,438 --> 00:31:23,599
Jeroen: Dan moet ik erachter komen willen het met bepaalde voorwaarden gaan ze delen.

350
00:31:23,839 --> 00:31:32,239
Jeroen: Het idee van Big Picture is dat je een soort zoekfunctie aan de portal hebt, dat je eigenlijk in no time kan zien, oké, deze data is aanwezig.

351
00:31:32,719 --> 00:31:39,998
Jeroen: Dit is straks metadata aanwezig en dit zijn de voorwaarden waaronder ik kan gebruiken, en ook het hele juridische stuk, dat dat helemaal gestandaardiseerd is.

352
00:31:39,999 --> 00:31:43,198
Jeroen: Dus dat je ook weet van als ik deze data interessant vind.

353
00:31:43,198 --> 00:31:53,198
Jeroen: En ik ben in principe toestemming kunnen krijgen, bijvoorbeeld de data is beschikbaar voor een bedrijf en ik ben een bedrijf, ik volg precies regels.

354
00:31:53,519 --> 00:31:56,638
Jeroen: Dan weet ik ook precies van oké, dit is de weg om tot die data te komen.

355
00:31:56,638 --> 00:32:02,158
Jeroen: Dus ik moet deze aanvraag doen, dan komt dit de procedure en dan kan ik dit verwachten.

356
00:32:02,478 --> 00:32:09,198
Jeroen: Dus het idee is daarmee om hele grote hoeveelheid data te ontsluiten, omdat dat nu wel een van de grote belemmeringen is in ons veld.
361
00:32:09,198 --> 00:32:13,438
Niels: Ja, de marketplace, zeg maar, wat heb ik nodig, welke context, wat zijn de voorwaarden?
 357
00:32:13,438 --> 00:32:14,478
Niels: Het klinkt als een heel mooi.
 358
00:32:14,478 --> 00:32:17,599
Niels: En je zicht natuurlijk nog een aantal jaren, dat wordt nu ontwikkeld.
 359
00:32:17,918 --> 00:32:21,199
Jeroen: Ja, we zijn het een zesjarig project.
 360
00:32:21,198 --> 00:32:23,118
Jeroen: We zijn vijf jaar bezig.
 361
00:32:23,918 --> 00:32:27,599
Jeroen: Maar het lijkt echt heel moeizaam, dus we hebben een uitstel aangevraagd.
 362
00:32:27,599 --> 00:32:31,839
Jeroen: We zijn bezig met het aanvragen van uitstel om het project anderhalf jaar te verlengen.
 363
00:32:32,239 --> 00:32:36,079
Jeroen: En dat zit hem in een aantal dingen, maar met name dat juridische stuk.
 364
00:32:36,958 --> 00:32:42,159
Jeroen: Om te komen tot een soort juridische template die voor alle partners acceptabel is.
 365
00:32:42,478 --> 00:32:44,718
Jeroen: Dat heeft gewoon heel veel tijd gekost.
 366
00:32:44,719 --> 00:32:50,958
Jeroen: En je moet je voorstellen, als ik nu met een partij project ingaan.
 367
00:32:50,958 --> 00:32:59,039
Jeroen: Om te kijken of ik data mag gebruiken van een andere partijen, dan kost het vaak drie, vier, vijf, zes tot negen maanden voordat wij tot een contract komen.
 368
00:32:59,359 --> 00:33:04,638
Jeroen: Om een aantal keer op en neer, waar liggen de rechten voor bepaalde dingen, wie is welke verplichtingen.
 369
00:33:04,958 --> 00:33:07,359
Jeroen: Dat zijn altijd kost gewoon tijd.
 370
00:33:07,839 --> 00:33:17,359
Jeroen: We hebben nu een soort contract afgesloten met 44 partijen, dus ook 44 legal mensen in 44 partijen die allemaal datzelfde contact hebt moeten vinden.
 371
00:33:17,359 --> 00:33:20,398
Joop: Ik denk dat iedereen wel kan begrijpen hoe complex dat verhaal is.
 372
00:33:20,398 --> 00:33:25,198
Jeroen: En van die 44 zijn er tien farmaceutische bedrijven, daar ligt de lat vaak nog hoger.
 373
00:33:25,199 --> 00:33:29,198
Jeroen: Dus je kan je voorstellen dat wij twee, tweeënhalf jaar bezig zijn geweest om dit voor elkaar te krijgen.
 374
00:33:29,519 --> 00:33:31,039
Joop: Wel een heel mooi initiatief.
 375
00:33:31,839 --> 00:33:32,558
Jeroen: Ja, zeker.
 376
00:33:32,559 --> 00:33:36,318
Jeroen: En als het gaat werken, dan denk ik dat het heel veel waarde heeft.
 377
00:33:36,958 --> 00:33:39,038
Joop: En we zijn goed op weg, mooi.
 378
00:33:39,279 --> 00:33:41,519
Niels: En vooral voor de maatschappij heel veel waarde, inderdaad.
 379
00:33:41,518 --> 00:33:51,198
Niels: Dus dat het buiten de bedrijven gaat leven en het gebruik ook groter kan worden en dat je inderdaad best wat initiatieven kan starten, die hiervoor niet gestart konden worden, of heel moeilijk gestart konden worden.
 380
00:33:52,079 --> 00:33:57,279
Joop: We hebben een kaartspel samen ontwikkeld met het Elisabeth II Steden Ziekenhuis.
 381
00:33:57,279 --> 00:34:05,158
Joop: En dat gaat over allerlei stellingen op het gebied van AI, veel ook wel generatieve AI in de gezondheidszorg.
 382
00:34:04,158 --> 00:34:09,478
Joop: En die leggen we eigenlijk aan iedereen voor, want iedereen heeft te maken met gezondheidszorg.
 383
00:34:05,039 --> 00:34:11,878
Joop: Maar met jou is het natuurlijk extra interessant.
 384
00:34:12,039 --> 00:34:14,678
Joop: Dus die willen we aan jou ook eentje voorleggen.
 385
00:34:15,478 --> 00:34:20,678
Unknown: AI games mee voor elkaar.
 386
00:34:20,678 --> 00:34:26,118
Unknown: Je denken zo het spel bepalen AI verhalen.
 387
00:34:28,759 --> 00:34:30,197
Joop: Niels legt er toch weer eentje bij.
 388
00:34:30,197 --> 00:34:35,239
Niels: Nee, ik leg hem niet weg, ik pak hem erbij, want ik ga hem wel stellen, inderdaad, om de luisteraars al mee te hebben gepakt.
 389
00:34:35,239 --> 00:34:36,998
Niels: Je zagen ik heb geschud.
 390
00:34:36,998 --> 00:34:41,797
Niels: De eerste die ik pakte, was de categorie technologie en innovatie en de stelling luidt.
 391
00:34:42,039 --> 00:34:46,998
Niels: AI heeft de meeste waarde voor de zorg als klinische beslisondersteuning.
 392
00:34:50,518 --> 00:34:57,878
Jeroen: De meeste waarde moeilijk je ziet het gebruik van AI toenemen op allerlei plekken.
 393
00:34:57,958 --> 00:35:07,639
Jeroen: Je ziet ook dat een behandelend arts die voor het een patiënt op een spreker komt, moet een heleboel data tot zich nemen.
 394
00:35:08,199 --> 00:35:12,918
Jeroen: Om voorbereid te zijn, dat kan bestaan uit allerlei rapporten van verschillende specialisten en zo.
 395
00:35:13,239 --> 00:35:22,598
Jeroen: Waar wij nu ook mee testen, bijvoorbeeld is om een soort samenvatting te maken van al die klinische gegevens, zodat behandelende arts eigenlijk een heel kort overzicht meteen ziet van oké, dit is er relevant.
 396
00:35:22,598 --> 00:35:25,878
Jeroen: En niet enorm hoe ver de tekst hoeft door te lopen.
 397
00:35:26,038 --> 00:35:30,599
Jeroen: Dat is geen beslisondersteuning, maar is wel een heel relevante toepassing, denk ik.
 398
00:35:31,239 --> 00:35:36,359
Jeroen: Maar goed, het is wel mijn eigen vakgebied, dus ik denk, ja, ik zie daar zeker waarde in.
 399
00:35:36,679 --> 00:35:47,878
Jeroen: Wij kijken nu al heel erg naar kunnen wij voor borstkankerpatiënten bepalen of ze een bepaalde behandeling wel of niet nodig hebben, waarbij we heel erg proberen om therapie te deëscaleren.
 400
00:35:47,878 --> 00:35:52,198
Jeroen: Dus dat wil zeggen, sommige borstkankerpatiënten krijgen nu chemotherapie.
 401
00:35:52,199 --> 00:35:57,398
Jeroen: Terwijl wij weten dat die eigenlijk helemaal je baat van hebben, maar wel heel veel last.
 402
00:35:57,558 --> 00:36:02,359
Jeroen: Wij proberen met AI beter te inschatten of een patiënt misschien zonder die chemo kan.
 403
00:36:02,598 --> 00:36:06,678
Jeroen: Dus ik geven niet patiënt meer therapie, we geven uit de patiënt minder therapie.
 404
00:36:06,679 --> 00:36:09,478
Jeroen: En dat is natuurlijk wel een voorbeeld van die beslisondersteuning.
 405
00:36:09,478 --> 00:36:11,799
Jeroen: En ik denk dat daar wel veel waarde te halen valt.
 406
00:36:11,799 --> 00:36:19,398
Niels: Is dat dan ook dus personalisatie van de plannen die toepassen bij de context van de persoon.
 407
00:36:21,239 --> 00:36:31,878
Joop: Ik zat nog te denken van kijk, het lastige is wat jij zei, is dat die foto's over het digitaliseren van die foto zo duur is.
 408
00:36:32,359 --> 00:36:40,759
Joop: Maar aan de andere kant hebben we natuurlijk ook heel veel gebieden in de wereld waar specialisme, ook dat heel duur is.
 409
00:36:41,558 --> 00:36:54,199
Joop: Zou AI daarbij kunnen helpen om als je toch misschien in een derde wereldland zit of zo dat je daarmee een betere betere arts zou kunnen maken.
 410
00:36:54,518 --> 00:36:56,198
Jeroen: Ja, denk ik zeker.
 411
00:36:56,199 --> 00:37:05,718
Jeroen: En ik denk dat voor mijn eigen vakgebied de pathologie het rijke westen in Amerika, Europa is dat ongelooflijk goed geregeld.
 412
00:37:05,719 --> 00:37:08,198
Jeroen: We hebben een hele hoge kwaliteit van diagnostiek.
 413
00:37:08,518 --> 00:37:11,639
Jeroen: Er zijn heel veel landen waar nauwelijks pathologen aanwezig zijn.
 414
00:37:11,719 --> 00:37:18,118
Jeroen: Dus waar elke AI-oplossing al heel veel meer zal zijn dan wat er nu is, want er is nu geen pathologie.
 415
00:37:18,119 --> 00:37:24,119
Jeroen: En nu wordt er gewoon chirurgie uitgevoerd zonder dat iemand nou precies bekeken heeft wat er aan de hand is.
 416
00:37:24,279 --> 00:37:33,159
Jeroen: Ik heb wel eens gehad, ik weet niet of het nog steeds het geval is, maar in China heb ik wel eens gehoord dat ze geloof dat er zijn tienduizend pathologen actief.
 417
00:37:33,159 --> 00:37:37,239
Jeroen: En ik geloof dat ze eigenlijk voor hun bevolking nog honderdduizend nodig hebben.
 418
00:37:37,878 --> 00:37:42,278
Jeroen: Dus dat betekent gewoon dat er voor heel veel gevallen geen pathologie te pas komt.
 419
00:37:42,359 --> 00:37:46,758
Jeroen: Dat AI niet perfect.
425
00:37:46,759 --> 00:37:50,279
Jeroen: Hij zal nooit perfect zijn, dat hij nog steeds een ongelofelijke meerwaarde kan hebben.

420
00:37:51,799 --> 00:37:55,798
Niels: Je zit al het jaren A in de technologie en het vakgebied.

421
00:37:56,038 --> 00:38:01,078
Niels: Wat zijn nou grote veranderingen die je heb meegemaakt in de afgelopen 30 jaar.

422
00:38:01,878 --> 00:38:04,999
Jeroen: Voor ons is dat de mogelijkheid om te digitaliseren.

423
00:38:05,239 --> 00:38:07,478
Jeroen: Om die beelden echt helemaal digitaal te maken.

424
00:38:07,478 --> 00:38:11,079
Jeroen: Dat is iets wat wel een revolutie in de pathologie heeft gegeven.

425
00:38:11,638 --> 00:38:15,158
Jeroen: Ik denk de meeste mensen die jullie hier ontvangen.

426
00:38:15,159 --> 00:38:17,799
Jeroen: Deep learning is natuurlijk een ongelooflijk grote geweest.

427
00:38:20,199 --> 00:38:22,519
Jeroen: Dat is natuurlijk een omding geweest.

428
00:38:22,839 --> 00:38:29,639
Jeroen: En ja, kan het ook niet omheen, alles met generatieve LLM's dat is natuurlijk ook weer een ontzettende sprong.

429
00:38:30,119 --> 00:38:34,038
Jeroen: Waarvan we ook zien dat hij grote impact heeft op ons veld.

430
00:38:34,359 --> 00:38:38,759
Joop: En als we toch heel even voor de luisteraar de techniek ingaan.

431
00:38:39,719 --> 00:38:50,278
Joop: Ik ga ervan uit dat jullie nu vooral neural networks gebruiken voor het bepalen van het nakijken van de images.

432
00:38:51,359 --> 00:39:04,719
Joop: Zou de zijn nu natuurlijk dat je ook de diffusion modellen hebt, wat mensen kennen eigenlijk van ChatGPT, dat je plaatje kan geven en dat hij die ook kan analyseren.

433
00:39:05,359 --> 00:39:09,279
Joop: Zie je daar toepassingen in, ook voor de pathologie.

434
00:39:09,918 --> 00:39:12,718
Jeroen: Ja, zeker, daar word ik naar gekeken hoor.

435
00:39:12,958 --> 00:39:23,199
Jeroen: Je kan zelfs met, er zijn van die chatbots die op pathologie gericht zijn, dus die kun je een pathologiebeeld geven en dan kun je met de chatbot praten over dat beeld.

436
00:39:24,398 --> 00:39:28,319
Jeroen: Ze zijn niet op het niveau dat je er echt klinisch iets mee zou kunnen.

437
00:39:28,639 --> 00:39:30,718
Jeroen: Maar ze zijn wel interessant.

438
00:39:31,038 --> 00:39:36,479
Jeroen: Het grappige is dat de meeste pathologen daar eigenlijk niet zo heel veel interesse in hebben.

439
00:39:36,799 --> 00:39:39,759
Jeroen: Omdat het echt een gimmick.

440
00:39:40,319 --> 00:39:46,398
Jeroen: Je kan er gewoon zo'n zo'n gedigitaliseerd beeld in gooien en je kan zeggen, wat denk je wat zie je hier?

441
00:39:46,398 --> 00:39:49,918
Jeroen: En dan kan hij iets aangeven, misschien is kanker.

442
00:39:49,918 --> 00:39:53,039
Jeroen: En dan kun je ook vragen van waarom denk je wat kanker is.

443
00:39:53,038 --> 00:40:01,999
Jeroen: En als het kanker is, wat denk je dan van dit of dit, wat denk je dat gratis of zie je bepaald soort invasie of kun je allerlei dingen aan vragen.

444
00:40:02,239 --> 00:40:08,238
Jeroen: De meeste pathologen zeggen van ja, maar weet je, ik heb in mijn werk helemaal geen tijd om gezellig te gaan kletsen in de chatbot.

445
00:40:08,478 --> 00:40:11,359
Jeroen: En meestal, ik kijk zelf, ik zie wat er aan de hand is.

446
00:40:11,359 --> 00:40:13,278
Jeroen: Ik ja, daar heb ik helemaal niks aan.

447
00:40:13,598 --> 00:40:17,598
Jeroen: Waar vaak wel veel waarde in gezien wordt, is voor pathologen in opleiding.

448
00:40:17,839 --> 00:40:26,398
Jeroen: Nu is het zo dat een patholoog in opleiding die bekijkt casussen, gaat vervolgens met een patholoog zitten en gaat bespreken wat hij gezien heeft, zei of hij.

449
00:40:26,639 --> 00:40:30,239
Jeroen: Waarom dat klopt, waarom het niet klopt, en dat kost natuurlijk best veel tijd.

450
00:40:30,878 --> 00:40:52,719
Jeroen: En veel pathologen zeggen, als je pathologie in opleiding dan veel vaker met zijn chatbot zou kunnen praten, dat vervangt niet de interactie met de patholoog, maar het betekent wel dat je ontzettend veel exposure al hebt tot pathologie kennis, dat je heel veel vragen kan stellen, vooral in het begin van je opleiding, zou je natuurlijk wel veel sneller kunnen leren dan, dan alleen maar die de momenten dat je nu met een patholoog hebt.

451
00:40:52,799 --> 00:40:53,678
Joop: Ja, precies.

452
00:40:53,998 --> 00:40:55,758
Joop: Dat is wel interessant, ja.

453
00:40:56,078 --> 00:40:57,999
Joop: Ja, dat zou een hele goede kunnen zijn.

454
00:40:58,639 --> 00:41:06,158
Jeroen: Daarnaast kijken we ook wel voor onze eigen onderzoeken, of inderdaad, met large language models dingen kunnen doen.

455
00:41:06,398 --> 00:41:11,839
Jeroen: Vaak zie je dat de kwaliteit daar nog niet goed genoeg voor is, maar dat het wel nuttig kan zijn.

456
00:41:12,319 --> 00:41:20,399
Jeroen: Wat wel bijvoorbeeld een hele mooie toepassing kan zijn, we halen vaak data uit onze systemen.

457
00:41:20,398 --> 00:41:29,918
Jeroen: En pathologierapporten zijn vaak heel erg narratief, dus een patholoog, als je het casus verslaat, dan komt daar een heel stuk tekst uit, de patholoog spreekt dat in.

458
00:41:33,119 --> 00:41:40,878
Jeroen: En als een patholoog kan zeggen van nou, ik zie hier een borstweefsel en ik zie dit, ik zie dat ik zie dit, ik denk aan dit, ik denk aan dit.

459
00:41:40,958 --> 00:41:45,998
Jeroen: En als wij onze AI willen trainen, dan willen we natuurlijk heel gestructureerd die data naar uit kunnen lichten.

460
00:41:46,239 --> 00:41:50,799
Jeroen: Zij willen geen mooie narratief, waar willen gewoon het is kanker of het geen kanker.

461
00:41:51,438 --> 00:41:57,918
Jeroen: Het heeft wel perifere vasculaire invasie of niet alle karakteristiek die je kan zien.

462
00:41:58,478 --> 00:42:07,359
Jeroen: Daar kan je LLMs heel goed gebruiken om die rapporten te analyseren en daar die data extractie uit te doen en precies die informatie uithalen die je wil gebruiken.

463
00:42:07,679 --> 00:42:09,438
Jeroen: Dus daar gebruiken we dat wel voor.

464
00:42:09,438 --> 00:42:10,078
Joop: Ja, precies.

465
00:42:10,319 --> 00:42:17,199
Niels: Dus in de preprocessing en data in de juiste categorisatie krijgen en daar wordt het voor gebruikt.

466
00:42:17,279 --> 00:42:19,519
Joop: En voor de patiënt.

467
00:42:20,079 --> 00:42:26,478
Joop: Ik heb ook wel eens vanuit de pathologie, zeg maar iets zitten lezen in mijn EHR.

468
00:42:27,918 --> 00:42:30,958
Joop: Dat lees niet als een goed boek.

469
00:42:30,958 --> 00:42:35,999
Joop: Sterker nog, weet je, het is voor mij als patiënt dan heel veel mambo jumbo.

470
00:42:36,478 --> 00:42:42,319
Joop: Zou je er voorstander van zijn dat het ook leesbaar zou zijn voor mij als patiënt.

471
00:42:43,438 --> 00:42:47,519
Jeroen: En je bedoelt dat je daar AI voor gebruikt om het leesbaar te maken.

472
00:42:48,478 --> 00:42:50,159
Jeroen: Ja, waarom niet.

473
00:42:50,638 --> 00:42:52,639
Jeroen: Je kunt je natuurlijk afvragen.

474
00:42:52,958 --> 00:42:57,118
Jeroen: Het is zo dat inderdaad als patiënt heb je toegang tot al je patiëntendata.

475
00:42:57,359 --> 00:43:01,438
Jeroen: En inderdaad, zo'n pathologierapport, daar kun je van afvragen.

476
00:43:01,759 --> 00:43:04,399
Jeroen: Ja, wat heeft de gemiddelde patiënt daaraan?

477
00:43:04,398 --> 00:43:07,599
Jeroen: Ik snap mijn eigen pathologierapport vermoed ik ook niet.

478
00:43:08,478 --> 00:43:11,598
Jeroen: Dus je hebt altijd wel de uitleg van iemand nodig.

479
00:43:11,598 --> 00:43:17,678
Jeroen: Ik denk dat AI daar een hulp bij kan zijn, maar ik denk dat je nog steeds wel een mens nodig hebt om het echt wel goed te interpreteren.

480
00:43:18,958 --> 00:43:25,439
Jeroen: Vaak moet je pathologiebevinding ook zien in het bredere kader van andere bevindingen van je verleden als patiënt.
487
00:43:26,078 --> 00:43:32,639
Jeroen: Maar ik denk dat AI daar wel behulpzaam bij kan zijn om het wel iets vriendelijker te maken, iets meer jij en janker zijn.

481
00:43:32,958 --> 00:43:37,158
Jeroen: Want inderdaad, de pathologierapport is, ja, dat is niet bedoeld voor een patiënt.

482
00:43:37,239 --> 00:43:40,599
Jeroen: Dat bedoeld voor een andere dokter die weet wat hij leest.

483
00:43:40,998 --> 00:43:42,119
Joop: Snap ik.

484
00:43:42,998 --> 00:43:51,959
Niels: Ik was wel nieuwsgierig, met de kennis van technologie en hoe dat allemaal gebruikt zijn, wat zou je absoluut niet willen dat er vervangen gaat worden met AI.

485
00:43:55,239 --> 00:43:56,279
Jeroen: Dat is een goede.

486
00:43:57,159 --> 00:43:59,958
Jeroen: Maar dat speelt in de pathologie minder een rol.

487
00:44:00,279 --> 00:44:07,239
Jeroen: Ja, ik denk de interactie met patiënten, dat daar uiteindelijk natuurlijk dat je toch wel graag een mens tegenover hebt.

488
00:44:08,438 --> 00:44:13,959
Jeroen: En ik denk voor de foreseable future, dat je ook wel een mens in controle wil.

489
00:44:13,958 --> 00:44:22,998
Jeroen: We hebben toevallig pas een hele studie gedaan onder patiënten om een idee te krijgen van wat vinden patiënten nou van AI in de gezondheidszorg.

490
00:44:22,998 --> 00:44:31,319
Jeroen: Dus we hebben geloof 250 of niet patiënten, we hebben eigenlijk potentiële patiënten, gewoon Nederlandse burgers.

491
00:44:31,878 --> 00:44:34,998
Jeroen: Hebben gevraagd, en dat was in het kader van borstkankeronderzoek.

492
00:44:34,998 --> 00:44:41,718
Jeroen: Dus we hebben vrouwen geïnterviewd, gewoon ook op straat bij het station, via patiëntenvereniging, via LinkedIn.

493
00:44:41,719 --> 00:44:54,279
Jeroen: En een hele vragenlijst gegeven van het gebruik van AI in de diagnostiek en een beetje de grens opgezocht van stel dat die AI aantoont dat je het beter doet dan de dokter.

494
00:44:54,918 --> 00:45:00,279
Jeroen: Vind je dat een AI deze rol hebben, maar mag AI een rol hebben.

495
00:45:00,518 --> 00:45:10,598
Jeroen: En dan zie je toch wel dat patiënten de meerwaarde wel zien, maar ook wel heel fijn vinden als de arts begrijpt hoe de AI werkt en ook als de arts nog wel in control is.

496
00:45:10,839 --> 00:45:16,039
Jeroen: Dus dat volledig autonome AI nog wel een deur een brug te ver is.

497
00:45:16,438 --> 00:45:20,519
Jeroen: En dat snap ik en ik zou dat op dit moment ook niet aan durven.

498
00:45:20,518 --> 00:45:31,878
Jeroen: Ik denk dat we veel meer studies nodig hebben voordat we echt voor een bepaalde toepassingen durven zeggen van nou hier hoeft de mens vrijwel niet meer aan te pas komen of helemaal niet meer aan te pas te komen, ik denk wel dat het gaat gebeuren in de toekomst.

499
00:45:32,359 --> 00:45:42,918
Jeroen: En wat ik zei, interactie met patiënten denk ik toch ja, ik zou zelf niet zo graag met een chatbot praten, ik word nou wel heel zenuwachtig als ik een helpdesk chatbot heb.

500
00:45:43,558 --> 00:45:48,279
Jeroen: Je het liefst samen ook doorklikken naar een mens, dat werkt vaak toch net iets beter.

501
00:45:48,598 --> 00:45:58,119
Niels: Laat staan inderdaad als we het in het zorgveld zitten inderdaad persoonlijk en ja, ik snapt het wel een stukje beleving die je daarin meeneemt zeker.

502
00:45:58,119 --> 00:46:05,399
Joop: Je merkt nu ook wel juist omdat het gek genoeg is een technologie is waar iedereen nu wat van vindt.

503
00:46:06,359 --> 00:46:18,918
Joop: Vind jij dat dat een patiënt de mogelijkheid moet kunnen hebben om te zeggen, ik wil niet dat er AI gebruikt worden binnen mijn behandeltraject.

504
00:46:19,398 --> 00:46:21,479
Jeroen: Nee, vind ik eerlijk gezegd niet.

505
00:46:22,359 --> 00:46:35,558
Jeroen: Nee, weet je, kijk, we focussen heel vaak op AI voor allerlei dingen, maar hetzelfde wat je voor AI kan vind AI kan vinden, kan je natuurlijk vinden van alle mogelijke innovaties die we in de zorg doen.

506
00:46:35,878 --> 00:46:41,959
Jeroen: En ik denk dat de gemiddelde Nederlander geen idee heeft wat een patholoog doet en welke testen daar allemaal bij komen kijken.

507
00:46:42,038 --> 00:46:49,239
Jeroen: Daar wil je geen vertrouwen kunnen hebben dat wat er gebruikt wordt het beste is wat we kunnen gebruiken dat het veilig is.

508
00:46:49,558 --> 00:46:56,359
Jeroen: Maar ik denk niet als wij op een gegeven moment AI gaan gebruiken, dan is ons hele proces daarop ingericht.

509
00:46:56,359 --> 00:47:05,878
Jeroen: En als je dan zeggen voor deze individuele patiënt willen we het uitschakelen, dan ga je ten eerste ga je het heel ingewikkeld maken, kostbaar en ook eigenlijk heel risicovol.

510
00:47:05,878 --> 00:47:08,118
Jeroen: Want op een gegeven moment ben je daar niet meer op ingericht.

511
00:47:08,518 --> 00:47:13,719
Joop: Waarom ik deze vraag stel, ik zat van de week zat ik in een podcast te luisteren.

512
00:47:13,719 --> 00:47:25,399
Joop: En daar gaven ze aan van ja, weet je, het was een Amerikaanse podcast, want het is bij AI is het heel belangrijk dat je full disclosure geeft dat je altijd aangeeft waar je AI hebt gebruikt.

513
00:47:26,279 --> 00:47:35,878
Joop: Ik ga helemaal met jou mee hoor, van ik dacht ook van ja, maar er zijn zoveel plekken waarin waarin je het niet wil, irrelevant is, laat staan.

514
00:47:36,598 --> 00:47:40,599
Joop: Wat degene die het ontvangt, weet je wat die met de informatie moet.

515
00:47:41,159 --> 00:47:50,678
Niels: Ik denk dat vertrouwen, dat vind ik wel het kernwoord inderdaad, in dit verhaal, hoe kan je vertrouwen bouwen en vertrouwen ergens in hebben de toetsing en de regels die er zijn dat enigszins bouwt.

516
00:47:50,679 --> 00:47:53,958
Niels: Maar ja, ik verwar in mijn hoofd zal ik zoiets, we hadden het toch over de auto zelfrijdend.

517
00:47:54,038 --> 00:47:58,999
Niels: Ik ga ook niet tegen mijn monteur zeggen, ja, je mag maar auto repareren, maar alsjeblieft de moersleutel mag je bij deze niet gebruiken.

518
00:48:01,558 --> 00:48:03,398
Jeroen: Maar wat je zegt, is wel een goed punt.

519
00:48:03,398 --> 00:48:09,959
Jeroen: En wij zijn wel verplicht vanuit de Europese regelgeving om heel duidelijk op onze website bijvoorbeeld te vermelden.

520
00:48:09,958 --> 00:48:11,638
Jeroen: Waar we dat soort technieken gebruiken.

521
00:48:11,638 --> 00:48:15,719
Jeroen: Dus als we AI gaan gebruiken, moeten we dat wel, moet de patiënt dat in principe wel kunnen vinden.

522
00:48:16,478 --> 00:48:17,638
Joop: Maar dat is nog.

523
00:48:17,598 --> 00:48:20,079
Joop: We moeten er ook wat van mogen vinden.

524
00:48:19,319 --> 00:48:26,318
Joop: Hij mag wel wat van vinden, of we daarop kunnen acteren, is in een andere vraag toch lijkt me heel lastig.

525
00:48:30,159 --> 00:48:32,238
Joop: Ik had een afsluitende vraag.

526
00:48:34,159 --> 00:48:35,918
Joop: Die ontschiet me.

527
00:48:36,958 --> 00:48:38,158
Joop: Misschien heb jij nog.

528
00:48:38,878 --> 00:48:51,678
Niels: Ik denk er zijn best wel beperkingen wat regelgeving, maar als je zou mogen dromen en kijken, wat is dan de AI-oplossing die je in de nu en vijf jaar zelf zou willen creëren, als je als je niet met alle huidige limitaties te maken hebt.

529
00:48:51,839 --> 00:48:52,878
Joop: Niet met de firewall.
537
00:48:54,078 --> 00:48:58,079
Niels: Zonder files, maar zonder de probleem van de files laten we het zo zijn.

530
00:48:59,598 --> 00:49:01,998
Jeroen: Creëren en dan bedoel je dus in praktijk brengen.

531
00:49:01,998 --> 00:49:03,999
Niels: Ja, in de praktijk brengen.

532
00:49:05,119 --> 00:49:11,999
Jeroen: Ik denk dat degene waar we in Nijmegen nu vrij ver mee zijn, is bijvoorbeeld die prostaatkankergradering.

533
00:49:12,639 --> 00:49:17,759
Jeroen: Daar hebben we ook al van aangetoond dat het echt goed werkt.

534
00:49:17,759 --> 00:49:23,679
Jeroen: Dus ik denk dat dat zou erin zijn waarvan ik hoop dat we die over vijf jaar wel in praktijk hebben.

535
00:49:23,679 --> 00:49:27,038
Jeroen: En ik moet straks ik durf geen voorspellingen meer te doen.

536
00:49:27,518 --> 00:49:31,839
Jeroen: Het zou ons verbazen als ons dat niet lukt in vijf jaar, we zijn daar echt wel hard mee bezig.

537
00:49:32,958 --> 00:49:37,039
Jeroen: Een andere is het graderen van borstkanker, waar we ook hard aan werken.

538
00:49:37,038 --> 00:49:44,959
Jeroen: Dus dat zijn heel specifieke stukjes binnen onze diagnostiek die we die we zouden kunnen verbeteren.

539
00:49:45,279 --> 00:50:08,719
Jeroen: En ik hoop dat we dan wel iets kunnen toevoegen daaraan dat je wat ik straks al vertel, niet alleen het stukje beoordeling van beelden doet, maar dat je daar ook een stukje rapportgeneratie aan koppelt, dus dat je zowel de kwaliteit verbetert, maar dat je ook de efficiëntie verbetert, twee vliegen in één klap staat.

540
00:50:08,719 --> 00:50:11,839
Joop: Dat lijkt me een heel mooie, hoopvolle afsluiting.

541
00:50:11,839 --> 00:50:15,279
Joop: Dankjewel, Jeroen, dankjewel dat je hier wilde zijn en dit met ons wilde delen.

542
00:50:17,759 --> 00:50:20,639
Joop: Leuk dat je weer luisterde naar deze aflevering.

543
00:50:20,639 --> 00:50:25,038
Joop: Vergeet je niet te abonneren via je favoriete podcast app, dan mis je geen aflevering.

544
00:50:25,038 --> 00:50:29,439
Joop: Tot de volgende keer.