Tijd terugwinnen bij radiologie: hoe AI kan helpen personeels- en zorgtekorten terug te dringen met gestroomlijnde workflows

"We hebben niet alleen meer pixels nodig, maar ook meer productiviteit." In gesprek met mijn innovatieteams deel ik vaak een inzicht van een toonaangevend radioloog die ik op een conferentie heb ontmoet, omdat dit precies aangeeft welke dringende behoefte we van klanten overal ter wereld horen. Ja, toonaangevende radiologen zien zeker de waarde van de nieuwste ontwikkelingen op het gebied van beeldresolutie, maar ze zijn vooral op zoek naar oplossingen waarmee ze hun capaciteit kunnen vergroten en efficiënter kunnen werken, zonder dat dit ten koste gaat van de kwaliteit. In een tijdperk van toenemende vraag van patiënten en aanhoudende personeelstekorten is tijd het kostbaarste middel geworden in de radiologie, maar er is nooit genoeg van.

De menselijke kosten van deze tijdsdruk zijn uitgebreid gedocumenteerd. Volgens een onderzoek uit 2024 in het American Journal of Roentgenology [1] kampt ruim een derde van de radiologen met een burn-out. Het gebrek aan tijd en personeel vormt niet alleen een uitdaging voor radiologen, maar heeft ook gevolgen voor patiënten. In ons rapport over de Future Health Index van 2024 meldde 77% van de leiders in de gezondheidszorg dat er vertragingen in de zorg zijn vanwege personeelstekorten. Achterstanden in beeldvormingsonderzoek kunnen leiden tot het missen van diagnoses en vertragingen in de behandeling van kanker zijn helaas ‘routinematig’ geworden in sommige gevallen. Dit kan echter levensbedreigend zijn.

Deze crisis is niet op te lossen met personeelswerving en het bouwen van nieuwe radiologieruimtes is vaak onbetaalbaar geworden. In plaats daarvan moeten we de huidige radiologen en beeldvormingspersoneel meer mogelijkheden geven door hun vaardigheden en efficiëntie te verbeteren. En daar komt AI om de hoek kijken. Er is echter wel een addertje onder het gras: in een radiologieworkflow zijn alle stappen met elkaar verbonden, van het verzamelen en organiseren van eerdere patiëntgegevens tot de verwerving en interpretatie van beelden, rapportage en communicatie van beeldvormingsonderzoeken aan patiënten.

Als we één stap in de workflow optimaliseren, bijvoorbeeld door het scanproces te versnellen, kan er een knelpunt ontstaan in een andere stap. In dit voorbeeld moet de radioloog dan meer onderzoeken lezen in een hoger tempo. Een stapsgewijze aanpak van AI zal niet werken. We moeten de gehele workflow optimaliseren. En dit is hoe we dat kunnen doen:

Om AI op een zinvolle manier toe te passen in de radiologieworkflow, moeten we uitgaan van de behoeften van radiologen, beeldvormingspersoneel en patiënten. Radiologen zijn opgeleid om beelden te interpreteren, en dat is wat ze doorgaans het meeste voldoening geeft (mij in ieder geval wel). Natuurlijk is het ook ontzettend lonend om casussen te bespreken met collega's en contact met patiënten te hebben. Voor zover ik heb gezien, zijn dit ook de aspecten van het werk in de radiologie die het beeldvormingspersoneel het leukst vindt. Door taken zonder toegevoegde waarde te automatiseren met AI, kunnen we tijd vrijmaken voor deze kerntaken. Dat komt ook de patiënt ten goede, omdat die persoonlijkere en snellere zorg krijgt.

Neem bijvoorbeeld CT, een van de meest gebruikte beeldvormingstechnieken. Tijdens de beeldverwerving kan AI helpen bij het positioneren van de patiënt, waardoor de positioneringstijd met wel 23% kan worden verkort [4]. Een camera met kunstmatige intelligentie (AI) die boven de patiëntentafel is gemonteerd, identificeert belangrijke anatomische punten en de oriëntatie. Een proces dat normaal gesproken handmatig is, kan zo worden geautomatiseerd. Vooral voor minder ervaren technici kan dit het zelfvertrouwen vergroten en tijd besparen bij het positioneren, waardoor ze zich meer op de patiënt kunnen concentreren.

Met behulp van AI-ondersteunde beeldreconstructietechnieken kunnen vervolgens met hoge snelheid beelden van hoge kwaliteit worden verworven terwijl de patiënt zo kort mogelijk wordt blootgesteld aan straling [5]. En dat is niet alles waarbij AI ondersteuning kan bieden. Door middel van slimme workflowprioriteitsbepalingen kunnen casussen automatisch, op het juiste moment en in de juiste volgorde worden toegewezen aan de juiste gespecialiseerde radioloog. Dit kan gedaan worden op basis van verschillende parameters, waaronder AI-ondersteunde screening.

Als resultaat hiervan kon een zorginstelling in Italië zijn radiologieworkflows met 50% versnellen, waardoor er aanzienlijk meer capaciteit ontstond om betere zorg te verlenen aan meer mensen [6].

Alles wat ik zojuist heb beschreven, is nu al mogelijk. Maar met de snelle opkomst van generatieve AI staan we nog maar aan het begin van wat er allemaal bereikt kan worden. Het is geen wonder dat, volgens ons rapport over de Future Health Index van 2024, 85% van de leiders in de gezondheidszorg al investeert of van plan is om binnen de komende drie jaar te investeren in generatieve AI. Generatieve AI belooft verdere tijdsbesparingen waar zowel radiologen als patiënten baat bij hebben.

Met conversationele rapportage op basis van generatieve AI kunnen radiologen bijvoorbeeld dicteren wat ze willen, waarna het resulterende rapport wordt omgezet in een consistent rapportageformaat. De AI verfijnt rapporten in real time, voegt diagnostische indrukken toe en signaleert inconsistenties aan de radioloog. Hierdoor wordt de bewerkingstijd verkort en blijft de hoge kwaliteit van de rapportages behouden door de integratie van patiëntvoorgeschiedenissen en klinische context. Voor patiënten leidt een snellere rapportage tot een snellere diagnose en betere algehele zorg.

Op gebieden zoals kankerzorg kan generatieve AI een doorbraak betekenen. Het kan een overzicht opstellen op basis van een groot aantal historische rapporten. Hierdoor kan het zorgteams direct inzicht geven in de medische voorgeschiedenis van een patiënt. Oncologen moeten vaak een groot aantal eerdere beeldvormingsrapporten doornemen. Generatieve AI zou snel overzicht kunnen bieden, zodat zij zich kunnen concentreren op het opstellen van een behandelplan in plaats van het doorspitten van uitgebreide rapporten.

Ik zie een toekomst voor me waarin generatieve AI ook patiënten meer controle geeft, door beeldvormingsonderzoek en andere medische rapporten in begrijpelijke taal uit te leggen, op grote schaal en in de taal die de patiënt kiest. Dat leek een paar jaar geleden nog onmogelijk. Dit zou kunnen helpen bij gezondheidsanalfabetisme, waardoor patiënten hun diagnose niet volledig begrijpen en niet actief kunnen bijdragen aan hun eigen zorg. Stel je voor dat je met je eigen medisch dossier kunt praten. Met generatieve AI zou dit in de niet al te verre toekomst werkelijkheid kunnen worden.

Om de mogelijkheden van generatieve AI volledig te benutten, hebben we de schaalbare rekenkracht van de cloud nodig. De integratie van diagnostische mogelijkheden in de cloud kan de klinische samenwerking tussen verschillende specialisten, waaronder oncologen, radiologen en pathologen, verder verbeteren, doordat zij altijd en overal toegang hebben tot essentiële informatie. Uiteindelijk ontstaat er één geïntegreerde diagnostische omgeving. Hierin zijn alle relevante patiëntgegevens eenvoudig toegankelijk voor snellere besluitvorming en meer gepersonaliseerde behandelplannen, waarbij AI fungeert als een slimme assistent.

Als je bedenkt hoeveel punten in de radiologieworkflow geoptimaliseerd kunnen worden met AI en hoeveel patiëntgegevens we moeten samenbrengen, is het duidelijk dat geen enkel bedrijf dit alleen kan bereiken. Partnerschappen zijn daarbij essentieel, of het nu gaat om het naadlozer uitwisselen van informatie tussen verschillende systemen of om het integreren van AI-algoritmen in gemeenschappelijke technologische platforms. Samenwerking met regelgevende instanties is net zo belangrijk om de veilige en verantwoorde invoering van AI te versnellen.

Als leiders in de gezondheidszorg hebben wij de mogelijkheid om AI te omarmen op een manier die zowel zorgprofessionals als patiënten meer mogelijkheden biedt. Zo creëren we een toekomst waarin radiologie niet langer wordt gedefinieerd door beperkingen, maar door de kwaliteit van de zorg die we kunnen helpen bieden. Omdat de druk op de radiologieafdelingen steeds verder toeneemt, hebben we zeker geen tijd om te wachten.