A Scoping Review of Foundation Models in Dementia Research

Dementie is een diepgaande uitdaging voor zowel families als gezondheidszorgsystemen, een conditie die langzaam het geheugen en de onafhankelijkheid wegvreet. Naarmate de wereldbevolking vergrijst, neemt het aantal mensen dat met deze aandoening leeft toe, wat een dringende behoefte creëert aan betere manieren om het vroegtijdig te detecteren. Vroege detectie is cruciaal omdat er nieuwe behandelingen beschikbaar komen die het beste werken wanneer ze aan het begin van de ziekte worden gestart, voordat er significante schade optreedt. Om deze vroege tekenen te vinden, richten wetenschappers zich op kunstmatige intelligentie, specifiek op een krachtig nieuw type computerprogramma dat bekend staat als een foundation model. Denk aan deze modellen als enorme bibliotheken van kennis die miljoenen boeken hebben gelezen, talloze gesprekken hebben beluisterd en diverse afbeeldingen hebben bestudeerd, waardoor ze patronen in menselijke taal en gedrag kunnen begrijpen die een standaard computerprogramma misschien zou missen. Onderzoekers hopen dat deze tools naar de spraak van een patiënt kunnen luisteren, medische aantekeningen kunnen lezen of hersenscans kunnen analyseren om de subtiele vingerafdrukken van dementie te ontdekken lang voordat een arts ze opmerkt.

Een team van onderzoekers van universiteiten in het Verenigd Koninkrijk heeft onlangs geprobeerd het huidige landschap van deze technologie in kaart te brengen. Ze wilden precies weten hoe deze geavanceerde AI-systemen worden gebruikt bij het bestuderen van dementie, hoe goed ze daadwerkelijk werken en welke hiaten er nog bestaan voordat ze in een ziekenhuis vertrouwd kunnen worden. Om dit te beantwoorden, voerden ze een uitgebreide review uit van wetenschappelijke artikelen gepubliceerd tussen januari 2022 en augustus 2026. Ze zochten naar studies die deze foundation models toepasten op taken zoals het detecteren van de ziekte, het diagnosticeren ervan, het voorspellen van het verloop ervan, of het inschatten van het risico van een persoon om de ziekte te ontwikkelen. Na het doorzoeken van honderden records, selecteerden ze vijftig hoogwaardige studies om diepgaand te analyseren, waarbij ze de gebruikte methoden, de in de computers ingevoerde gegevens en de behaalde resultaten onderzochten.

De onderzoekers ontdekten dat het veld snel beweegt maar zich nog in een vroeg stadium bevindt. De meeste studies richtten zich op twee hoofdtaken: het detecteren van de aanwezigheid van dementie of het diagnosticeren ervan nadat symptomen zijn verschenen. De manier waarop deze modellen werden gebouwd, varieerde aanzienlijk. Sommige studies gebruikten modellen die al getraind waren op enorme hoeveelheden algemene data en vervolgens zorgvuldig werden aangepast, of "fine-tuned", voor dementietaken. Anderen gebruikten commerciële AI-systemen, het soort dat voor het publiek beschikbaar is, door ze simpelweg vragen te stellen of data te geven zonder hun interne instellingen te wijzigen. Een kleinere groep studies bouwde modellen vanaf nul, door ze volledig te trainen op nieuwe data. De resultaten lieten een duidelijke afruil zien tussen de grootte van het model en de betrouwbaarheid ervan. De enorme commerciële systemen behaalden in sommige gevallen de hoogste scores, maar hun prestaties waren extreem inconsistent; in sommige gevallen presteerden ze niet beter dan willekeurige gokken. In contrast hiermee leverden de modellen die specifiek waren gefinetuned voor de taak van dementieonderzoek de meest consistente en betrouwbare resultaten, waarbij de meerderheid van de studies een sterke prestatie liet zien. De modellen die vanaf nul werden gebouwd, presteerden over het algemeen matig en slaagden er vaak niet in om eenvoudigere, oudere soorten computerprogramma's te overtreffen.

Ondanks deze veelbelovende technische resultaten, legde de review ernstige beperkingen bloot die het gebruik van deze tools in de huidige klinische praktijk verhinderen. Een groot probleem was het gebrek aan diversiteit in de data. De overgrote meerderheid van de studies vertrouwde op data uit de Verenigde Staten, en de deelnemers waren overwegend wit. Zeer weinig studies rapporteerden de race of etniciteit van de betrokkenen, en velen rapporteerden zelfs niet hun leeftijd. Wanneer geslacht werd gerapporteerd, werden de resultaten zelden uitgesplitst om te zien of de AI even goed werkte voor mannen en vrouwen. Dit gebrek aan diversiteit betekent dat we niet weten of deze tools zullen werken voor mensen met verschillende achtergronden, talen of leeftijden. Bovendien was de gebruikte data vaak smal, waarbij sterk werd vertrouwd op spraakopnames of één type medische dossiers, in plaats van meerdere bronnen zoals hersenscans, genetische informatie en lifestylegegevens te combineren.

Een andere cruciale bevinding was de zwakte in de manier waarop deze modellen werden getest. In medisch onderzoek moet een nieuw hulpmiddel bewezen worden te werken op data die het nog nooit eerder heeft gezien, om te verzekeren dat het niet simpelweg de antwoorden uit het hoofd leert. De meeste van de gereviewde studies testten hun modellen alleen op dezelfde data die ze voor de training gebruikten, een praktijk die kan leiden tot overly optimistische resultaten. Slechts een klein aantal studies testte hun modellen op volledig gescheiden groepen mensen uit andere ziekenhuizen of regio's. Nog minder vergeleken hun resultaten met de gouden standaard voor de diagnose van dementie, wat de examinatie van hersenweefsel na de dood is. Zonder dit rigoureuze testen is het onmogelijk om te weten of deze AI-systemen de complexiteit en variëteit van echte patiënten in de praktijk kunnen aan. De onderzoekers concludeerden dat hoewel de technologie grote belofte inhoudt, het momenteel een bewijs van concept (proof of concept) is in plaats van een kant-en-klare oplossing. Om van het laboratorium naar de kliniek te bewegen, moeten toekomstige onderzoeken prioriteit geven aan grotere, meer diverse datasets, rigoureuze tests op onafhankelijke groepen en een duidelijk begrip van hoe deze tools presteren bij verschillende populaties. Tot die tijd blijven deze krachtige systemen een werk in uitvoering, die een blik op de toekomst bieden, maar nog geen vervanging zijn voor menselijk klinisch oordeel.