Hoe AI en blockchain levens redden in het ziekenhuis
Bij het behandelen van een hersenbloeding krijgen artsen met diverse uitdagingen te maken die snelle behandeling praktisch in de weg staan. Technologie kan artsen ondersteunen om sneller beter geïnformeerde beslissingen te nemen. Moderne automatisering met AI in combinatie met blockchain kan zorg versnellen, verbeteren en goedkoper maken.
StrokeViewer is een zorgoplossing die dit jaar wordt getest en die een neuraal netwerk gebruikt om analyses te maken van hersenscans en blockchain om gegevens uit te wisselen. Met een nieuw infrastructuurplatform waarmee organisaties simpel een blockchainproject kunnen opzetten verzorgt HPE de infrastructuur voor het blockchaingedeelte in een apparaat bij een ziekenhuis, dat in contact staat met zo’n zelfde apparaat op de locatie waar een bedrijf scans analyseert in een neuraal netwerk. Op die manier hoeven blockchain- en AI-ontwikkelaars zich niet bezig te houden met het blockchainnetwerk, maar kunnen ze toepassingen ontwikkelen op een kant-en-klare infrastructuur.
Ondersteuning van de specialist
De specialisten hebben verschillende uitdagingen bij het behandelen van hersenbloedingen die een snelle behandeling in de weg staan en de nieuwe zorgoplossing kan er aan bijdragen dat die hordes worden weggenomen. Allereerst is de doorlooptijd een uitdaging als het gaat om beroertes. “Ieder uur dat je wacht na een beroerte sterven er 120 miljoen neuronen af en dat staat gelijk aan ongeveer drie en een half jaar geheugen” , vertelt Jeroen Bronkhorst, innovatielead bij HPE. Time is brain, zeggen artsen dan ook. Doelstelling bij ziekenhuizen is om binnen een uur nadat een patiënt is binnengekomen een diagnose te stellen om zo snel mogelijk tot behandeling over te kunnen gaan. “In de praktijk wordt dat maar in de helft van de gevallen gehaald. In een kwart van de cases duurt het zelfs meer dan 95 minuten.” Niet alleen levert dat een potentieel langere revalidatieperiode op, maar ook stijgen de zorgkosten per patiënt.
Ten tweede ontstaan er regelmatig meningsverschillen tussen artsen bij het beoordelen van een CT-scan van een patiënt die een beroerte heeft gehad over wat ze precies waarnemen. “In slechts vijftig procent van de gevallen zijn artsen het met elkaar eens over de waarneming en analyse van de CT-scans. Zo’n scan is nodig om de oorzaak van de beroerte te bepalen: is die veroorzaakt door een propje in de aderen of door een scheur? Bij een scheurtje zul je geen bloedverdunners willen gebruiken.”
Ten derde is het beoordelen van een scan door een radioloog een specialisme dat niet ieder ziekenhuis in huis heeft, legt Bronkhorst uit. “Een geanalyseerde scan door een neuraal netwerk kun je zien als een gespecialiseerde radioloog in dienst.” Hij benadrukt overigens wel dat het systeem zeker niet de plek inneemt van zo’n arts. “Je moet dit zien als beslissingsondersteuning: een extra analyse als een behandelend arts een actie ten uitvoer moet brengen.”
AI in de zorg
De uitdagingen worden aangepakt met StrokeViewer, een technologie van Nico.lab die zulke analyses uitvoert met kunstmatige intelligentie. “Een hersenscan bestaat uit een heleboel afbeeldingen die bekeken moeten worden om een beeld te vormen. Zo kunnen artsen een beoordeling maken van wat er aan de hand is. Een neuraal netwerk kan dat heel snel uitvoeren. Binnen drie minuten na de scan is er een analyserapport beschikbaar”, vertelt de innovatielead. De startup is bezig met het ontwikkelen van modellen en algoritmes, en het gebruik van cloud was daarvoor een logische keuze: dat is schaalbaar en omdat beginnende bedrijven geen eigen datacenter hebben voor High Performance Computing, biedt het cloudtijdperk een hoop innovatie voor goede ideeën, die voorheen niet de resources zouden krijgen om de plannen ten uitvoer te brengen.
Maar Nico.lab liep tegen een uitdaging aan toen de ontwikkelaars in gesprek gingen met ziekenhuizen over de AI-aanpak om voordeel te behalen met de nieuwe technologie. “Ziekenhuizen hebben te maken met strenge privacyregels en compliance-eisen”, legt Bronkhorst uit. “Je kunt niet zomaar patiëntgegevens naar de cloud brengen.” Nico.lab ging vervolgens kijken naar aanvullende technologieën waarmee ze aan de eisen konden voldoen, met een securitylaag en een auditspoor voor compliance.
Proef met blockchain.
Proef met blockchain
Kenmerken van blockchain zijn onder andere het ingebouwde auditspoor en versleutelde gegevens, dus het uitwisselen van CT-scans lijkt een goede use case voor een Distributed Ledger Technology als blockchain. Zo kwamen de AI-ontwikkelaars uit bij HPE, dat een kant-en-klare infrastructuur levert met zijn blockchain-in-a-box. “Je kunt dat in dit voorbeeld zien als twee knooppunten: eentje bij Nico.lab en eentje bij het ziekenhuis.” HPE verzorgt de blockchain infrastructuur, het neurale netwerk wordt beheerd door Nico.lab en de specifieke blockchaintoepassing komt van het bedrijf Tymlez.
Nou is het wel belangrijk op te merken dat gegevens een dataminimalisatieproces hebben doorlopen, wat specifiek een toegevoegde waarde is van de toepassing van blockchain. “Een CT-scanner in een ziekenhuis voegt standaard patiëntgegevens toe aan de scans. Die halen we eraf om alleen de afbeeldingen door te sturen naar het neurale netwerk”, licht de HPE’er toe. “Die scans krijgen een indexnummer, zodat ze in het ziekenhuis weer te herleiden zijn naar een persoon. Het is de bedoeling dat je gegevens uiteindelijk wel weer bij elkaar kunt brengen, maar dat dit in het ziekenhuis gebeurt en niet daarbuiten.”
“Als gegevens eenmaal zijn versleuteld in de blockchain, zijn ze niet meer te wijzigen”, gaat Bronkhorst verder over de blockchainoplossing. “Daardoor heb je een betrouwbaar auditspoor waarin je allerlei factoren kunt vastleggen die van belang zijn voor onder meer compliance. Welke scanner heeft de afbeeldingen gemaakt? Wie heeft ze allemaal ingezien? Welke versie van het neuraal netwerk is gebruikt bij de analyse? Alle elementen die je nodig hebt om te zien wat er is gebeurd.” Een ander pluspunt van de blockchaintoepassing is de data-integriteit: op beide knooppunten worden de gegevens vergeleken om te zien of ze exact hetzelfde zijn, “zodat de plaatjes hetzelfde zijn zoals ze zijn verstuurd en er niet ergens iets vervormd is geraakt in het transportproces.”
Onder de motorkap
Bronkhorst legt aan de hand van deze specifieke CT-scan-oplossing uit hoe zo’n blockchain-in-a-box die op beide locaties draait, er van binnen uitziet. Het systeem heeft onder de motorkap drie elementen: “De bovenkant zit het blockchainplatform van Tymlez. Dat bestaat uit acht containers waarin onder andere BigchainDB draait”, vertelt hij. BigchainDB is een permissioned blockchain die gericht is op hoge transactiesnelheden. “De tweede laag is een containerplatform van SUSE genaamd Container-as-a-service, dat is uitgerust met Kubernetes. En ten derde het hyperconverged platform HPE SimpliVity.”
Op deze manier is het systeem modulair en technologie-agnostisch. Je kunt containers en virtuele machines toevoegen om een andere oplossing, neem legacy-applicaties, te ondersteunen of delen verwijderen om iets anders aan te bieden. Het voordeel van het uitleveren van zo’n infrastructuur voor de klanten is dat zij zich puur kunnen bezighouden met het ontwikkelen van blockchain-toepassingen, zoals smart contracts, licht Bronkhorst toe.
Met deze technologie kunnen daadwerkelijk levens worden veranderd. Bijvoorbeeld door de schade te beperken bij patiënten die getroffen zijn door een beroerte. Of door zelfs levens te redden met een snelle diagnose waardoor een behandelaar sneller tot een levensreddende operatie kan overgaan.