Artificiële intelligentie (AI) is allang geen toekomstmuziek meer, ook binnen de longoncologie wordt de technologie steeds vaker toegepast. Maar hoe snel ontwikkelt AI zich in dit vakgebied? Wat kunnen we in de nabije toekomst verwachten? En wat is nodig om deze AI-tools betrouwbaar in de praktijk te gebruiken? Tijdens de IASLC 2025 World Conference on Lung Cancer gaf dr. Arsela Prelaj (Milaan, Italië) een overzicht van de huidige stand van zaken én de volgende stappen.1
Arsela Prelaj onderscheidde drie ‘werelden’ in de ontwikkeling van AI. “De eerste wereld is die van de eerste generatie AI-modellen, inmiddels breed geïmplementeerd in de gezondheidszorg.” Denk hierbij aan AI-toepassingen voor het detecteren van afwijkingen op beeldvorming, of voor het bepalen van de PD-L1-expressie of microsatellietinstabiliteit. “Dit betreft zogenoemde narrow predictive AI: technologieën die met behulp van big data, machine learning en deep learning één specifieke taak kunnen uitvoeren. Ze hebben doorgaans FDA- of CE-certificering als medisch hulpmiddel.”
Foundation models
De tweede wereld, waar we nu middenin staan, wordt gevormd door de ontwikkeling van foundation models. Deze AI-modellen zijn getraind op grote hoeveelheden data (meer dan de narrow predictive AI-modellen), vaak pan-kanker en multimodaal (tekst, beeld, genomics). Door deze foundation models vervolgens met specifieke datasets te verfijnen, kunnen ze niet alleen informatie uitlezen, maar ook voorspellende taken uitvoeren. Denk hierbij aan de prognose of respons van patiënten voorspellen, of mutaties voorspellen aan de hand van pathologiebeelden.
De derde wereld die Prelaj besprak, meer gericht op de nabije toekomst, betrof de opkomst van generatieve AI. Deze technologie, gebaseerd op nog grotere datasets en large language models, kan niet alleen voorspellende taken uitvoeren, maar ook nieuwe content genereren, zoals teksten, beelden en video’s.
AI-agents
“En wat mogen we verwachten als deze drie werelden samenkomen?”, vroeg Prelaj. “Dan groeien we richting zogenoemde multi-agent systems for healthcare.” Deze AI-agents, zoals Prelaj ze noemde, kunnen data combineren met gespecialiseerde AI-tools en medische informatie uit wetenschappelijke publicaties of richtlijnen, en vervolgens alternatieven afwegen en behandelvoorstellen doen. “Er bestaan al operationele AI-agents die administratieve of triagetaken overnemen, maar grote potentie ligt bij klinische AI-agents: systemen die artsen kunnen helpen bij het nemen van behandelbeslissingen.”
Medische verantwoordelijkheid
De ontwikkeling van dergelijke AI-agents gaat wel gepaard met uitdagingen. Zo is de implementatie ervan complex. Prelaj: “De AI-agents moeten samenwerken met alle bronnen die wij gebruiken en dat is niet eenvoudig. Onze huidige werkprocessen zijn vaak nog niet ingericht voor het implementeren van AI. Ook moeten we begrijpen hoe AI tot beslissingen komt: transparantie in de beredenering is essentieel. Daarnaast blijft medische verantwoordelijkheid cruciaal: AI is een hulpmiddel, geen vervanging van de arts. Verder zijn robuuste validatie, regelgeving en privacybescherming noodzakelijk.” Prelaj presenteerde tot slot Prof. Valmed: het eerste CE-gecertificeerde, klasse IIB large language model-medisch hulpmiddel, dat kan ondersteunen bij het stellen van de diagnose en het nemen van behandelbeslissingen.2
“AI heeft zijn weg al gevonden naar de klinische praktijk”, besloot Prelaj. “De technologie ontwikkelt zich razendsnel, waarbij AI-agents een van de volgende stappen zijn. Maar we moeten begrijpen hoe deze AI-agents werken, waar onze verantwoordelijkheid ligt, en hoe we ze zorgvuldig kunnen valideren.”
Referenties
1. Prelaj A, et al. WCLC 2025; PL04.04.
2. https://profvalmed.com/press/.
Drs. Bianca Hagenaars, wetenschapsjournalist
DEEL DIT ARTIKEL:
