Een team van de TU Eindhoven heeft een bijzonder krachtig AI-model ontwikkeld dat artsen helpt om kanker en andere aandoeningen eerder te herkennen op CT-scans. Het model is getraind met behulp van supercomputer SPIKE-1, en wordt nu wereldwijd vrijgegeven zodat ziekenhuizen en onderzoekers er hun eigen medische toepassingen op kunnen bouwen.
Kunstmatige intelligentie met een menselijk doel
Het AI-model is gebaseerd op ruim 250.000 driedimensionale CT-scans en 75.000 radiologierapporten. Dankzij een slimme methode, self-supervised learning, leerde het systeem zelfstandig verbanden te leggen tussen beelden en medische teksten – zonder dat onderzoekers elk voorbeeld handmatig hoefden te labelen. Daarmee zet het team van universitair hoofddocent Fons van der Sommen een grote stap in de richting van snellere en betrouwbaardere medische beeldanalyse.
Volgens Van der Sommen biedt de techniek een waardevolle basis voor nieuwe toepassingen: “Je kunt het zien als het enten van een plant. Wij leveren de stam waar anderen hun eigen medische AI-modellen op kunnen laten groeien.”
Gedeelde kennis als versneller van innovatie
De TU/e stelt het model open source beschikbaar. Dat betekent dat universiteiten, ziekenhuizen en bedrijven het vrij kunnen gebruiken en verder ontwikkelen. Zo wordt de drempel voor medische innovatie verlaagd, vooral voor instellingen die niet over een eigen supercomputer beschikken. “In de zorg is niet altijd genoeg data beschikbaar, bijvoorbeeld bij zeldzame tumoren,” legt Van der Sommen uit. “Met dit model kunnen we sneller vooruitgang boeken op plekken waar data schaars is.”
Rekenkracht uit het noorden
De basis voor het onderzoek was de Eindhovense supercomputer SPIKE-1, die draait in een duurzaam datacenter in Finland. Met 5,7 terabyte aan geheugen kan de machine honderden CT-scans tegelijk verwerken. Dat maakt complexe berekeningen mogelijk die voor gewone computers onhaalbaar zijn. “Een enkele scan is al snel honderd megabyte groot,” zegt Van der Sommen. “Zonder SPIKE-1 hadden we deze stap simpelweg niet kunnen zetten.”
Toch vervangt de AI de radioloog niet, benadrukt Van der Sommen. “Het model kan afwijkingen herkennen en vergelijken, maar de interpretatie blijft mensenwerk. We zien het vooral als een hulpmiddel dat artsen ondersteunt en tijd bespaart.”
Van onderzoeksmodel naar zorgpraktijk
Het project heeft drie doelen: aantonen wat zogenaamde foundation models kunnen betekenen voor medische beeldanalyse, efficiëntere methoden ontwikkelen om zulke modellen te bouwen, en de internationale positie van de TU/e versterken als pionier in open-source AI voor de zorg. De onderzoekers hopen dat hun werk leidt tot nieuwe samenwerkingen en praktische toepassingen in ziekenhuizen.
Van der Sommen: “Universiteiten kunnen de eerste, moeilijke stappen zetten in het ontwikkelen van betrouwbare AI-systemen. Daarna is het aan bedrijven en zorginstellingen om ze naar de praktijk te brengen. Zo komt de technologie uiteindelijk terecht waar ze het verschil kan maken: bij de patiënt.”
