Biomedical Imaging: datatoegang is bottleneck, niet het model

Samenvatting

Biomedical imaging loopt vast op versnipperde en moeilijk bruikbare data, niet op tekortschietende modellen.

Biomedical imaging: datatoegang vormt de bottleneck

Een analyse van Databricks beschrijft waarom medische beeldvormings-AI achterblijft in ziekenhuizen, de academische wereld, medtech en farma. Beelden staan verspreid over PACS, CRO’s en centrale laboratoria. De systemen zijn ingericht om beelden aan een viewer te tonen, niet om onderzoeksvragen met cohorten te beantwoorden.

De data moet eerst uit klinische systemen worden gehaald en gedeïdentificeerd. Persoonsinformatie staat in DICOM-headers en kan ook in beeldpixels zijn ingebrand. Daarna resteert nog de vraag waar voldoende rekenkracht beschikbaar is. De modelbouw vormt volgens de analyse slechts een klein deel van het probleem.

Biomedical imaging in ziekenhuizen, onderzoek en medtech

Van de ongeveer 950 AI/ML-apparaten die de FDA medio 2024 had toegelaten, waren circa 723 radiologietoepassingen. Die tools ondersteunen vooral triage, metingen, reconstructie en prioritering van werklijsten, meestal onder toezicht van een arts.

Academische centra gebruiken datasets zoals MIMIC-CXR met 377.110 röntgenfoto’s, The Cancer Imaging Archive, fastMRI en de beeldvormingstak van UK Biobank. Toch blijft reproduceerbaarheid lastig: in een BMJ-review uit 2020 waren code en data niet beschikbaar voor respectievelijk 93 en 95 procent van de onderzochte studies.

Medtechbedrijven zoals GE HealthCare, Siemens Healthineers, Philips en Canon trainen modellen op scanners, veldsterktes en protocollen. Een model dat goed werkt op één configuratie kan op een andere verslechteren. Farma gebruikt beeldvorming als meetinstrument in oncologietrials, met criteria zoals RECIST, iRECIST en RANO.

Concrete takeaway voor biomedical imaging

Behandel beeldvorming niet als een los modelproject. Breng beelden samen in een beheerde omgeving, maak ze doorzoekbaar, verwijder persoonsgegevens op schaal en koppel ze aan EHR-, omics- en trialdata. Leg daarnaast vast op welke scanner- en protocolvarianten een model is getest. Zonder die gegevensbasis blijft modelprestatie moeilijk te beoordelen en herhalen.