Impact of AI-assisted chest radiography on clinical decision-making: A temporal analysis of CT referral rates and the proportion of positive CT in cardiology outpatient setting

In de stille, vaak over het hoofd geziene hoekjes van een ziekenhuis wordt dagelijks duizenden keren een routinematige röntgenfoto van de borstkas gemaakt. Voor een patiënt die een cardioloog bezoekt, is dit beeld primair een kaart van het hart zelf, die de grootte, vorm en de gezondheid van de vaten die het voeden, laat zien. De ogen van de arts zijn getraind om tekenen van hartfalen of klepproblemen te zoeken. De longen liggen echter direct achter het hart, en zij kunnen problemen verbergen die niets met het hart te maken hebben. Een klein plekje dat een vroeg teken van longkanker zou kunnen zijn, of een infectiehaard, kan gemakkelijk worden gemist wanneer een arts gefocust is op het hart. Hier komt kunstmatige intelligentie in het verhaal. Deze computerprogramma's zijn ontworpen om medische beelden te scannen en gebieden te markeren die aandacht nodig kunnen hebben, als een tweede paar ogen dat nooit moe wordt. De grote vraag voor artsen is niet alleen of de computer deze verborgen plekken kan vinden, maar of het zien ervan daadwerkelijk verandert wat de arts vervolgens besluit te doen. Helpt de computer de arts om meer ernstige ziekten te ontdekken, of creëert het slechts een vloedgolf aan onnodige alarmen?

Onderzoekers van het Yongin Severance Hospital in Zuid-Korea wilden deze vraag beantwoorden door te observeren hoe cardiologen een specifieke kunstmatige intelligentietool gebruikten over een periode van vier jaar. Ze keken naar bijna 9.300 volwassen patiënten die voor de eerste keer de cardiologiekliniek bezochten en een röntgenfoto van de borstkas kregen gemaakt. Gedurende deze hele periode gebruikte het ziekenhuis een commercieel softwaresysteem dat elke röntgenfoto automatisch analyseerde. De software keek niet alleen naar hartproblemen; het was ook geprogrammeerd om problemen in de longen op te sporen, zoals noduli (knobbeltjes), vochtophoping of tekenen van infectie. Het systeem voegde een rapport toe aan het röntgenbeeld, waarbij verdachte gebieden werden gemarkeerd en een score werd gegeven om aan te geven hoe waarschijnlijk het was dat er iets mis was. De onderzoekers wilden zien of de aanwezigheid van deze digitale assistent het gedrag van de artsen veranderde. Specifiek volgden ze hoe vaak de cardiologen besloten om een meer gedetailleerde scan te bestellen, een computertomografie van de borstkas, oftewel een CT-scan, en of die CT-scans daadwerkelijk iets vonden dat behandeling vereiste.

De studie verdeelde de patiënten in twee groepen op basis van wanneer ze kwamen: een eerdere periode en een latere periode. Naarmate de tijd verstreek en de artsen de kunstmatige intelligentietool bleven gebruiken, merkten de onderzoekers een duidelijke verschuiving in gedrag op. De snelheid waarmee cardiologen CT-scans bestelden, nam aanzienlijk toe. In de eerste helft van de studie werd ongeveer 1,6 procent van de patiënten doorverwezen voor een CT-scan. In de tweede helft van de studie was dat aantal meer dan verdubbeld naar 3,3 procent. Dit was niet zomaar een willekeurige schommeling; de gegevens toonden een gestage, jaarlijkse stijging in verwijzingen. Belangrijker nog, de onderzoekers ontdekten dat deze toename niet alleen draaide om het bestellen van meer tests zonder reden. Het aandeel van die CT-scans die daadwerkelijk een ernstig, behandelbaar probleem aan het licht brachten, ging ook omhoog. In het begin toonde ongeveer 34 procent van de doorverwezen CT-scans iets significants, zoals een actieve infectie of een verdachte massa. Aan het einde van de studie was dat cijfer gestegen naar bijna 47 procent.

Dit bevinding suggereert dat naarmate de artsen meer ervaring kregen met de kunstmatige intelligentietool, ze beter leerden te weten wanneer ze de meldingen moesten vertrouwen. In het begin leek het misschien alsof de computer te veel zaken markeerde, maar in de loop van de tijd leerden de artsen onderscheid te maken tussen minder belangrijke, onschadelijke bevindingen en die welke echt verder onderzoek vereisten. De studie merkte ook op dat de artsen in veel gevallen de CT-scan al bestelden voordat het officiële rapport van een menselijke radioloog zelfs was geschreven. Dit onderstreept de snelheid waarmee de kunstmatige intelligentietool informatie leverde, waardoor de cardioloog onmiddellijk een beslissing kon nemen terwijl de patiënt nog in de kliniek was. De onderzoekers observeerden dat de tool bijzonder effectief was bij het vinden van onverwachte longproblemen bij patiënten die voor hartklachten waren binnengekomen, een groep artsen die er anders wellicht niet nauwlettend naar de longen zou kijken.

De auteurs van de studie merken er voorzichtig bij op dat zij niet met absolute zekerheid kunnen zeggen dat de kunstmatige intelligentie alleen deze veranderingen heeft veroorzaakt. Het is mogelijk dat andere factoren, zoals het feit dat de artsen simpelweg meer ervaring kregen over de jaren heen of wijzigingen in de software zelf, een rol hebben gespeeld. De software werd tijdens de studieperiode bijgewerkt, waardoor deze beter werd in het detecteren van een breder scala aan longproblemen, wat aan de resultaten heeft kunnen bijdragen. De gegevens suggereren echter sterk dat de integratie van deze technologie in de dagelijkelijkse workflow de artsen hielp om meer patiënten te identificeren die verdere zorg nodig hadden. De studie vond geen bewijs dat de tool leidde tot een vloedgolf van onnodige tests die onschadelijk bleken te zijn; in plaats daarvan waren de bestelde tests steeds vaker de juiste.

Uiteindelijk schetst dit onderzoek een beeld van een langzame maar gestage aanpassing. Het laat zien dat wanneer kunstmatige intelligentie in een medische setting wordt geïntroduceerd, het tijd kost voor de menselijke artsen om te leren hoe ze er effectief mee kunnen samenwerken. De tool verving het oordeel van de arts niet; eerder leek het het te verscherpen, waardoor de specialisten hun aandacht konden richten op de patiënten die het het hardst nodig hadden. De studie concludeert dat, bij voortgezet gebruik, kunstmatige intelligentie een waardevolle partner kan worden in de klinische besluitvorming, wat helpt ervoor te zorgen dat onverwachte gezondheidsproblemen vroegtijdig worden ontdekt, zelfs bij patiënten die voor een totaal andere reden binnenkomen. Het verhaal hier is niet dat van een machine die het overneemt, maar van een team dat samenleert om de patiëntenzorg te verbeteren.