Het Radboudumc en Amazon Web Services (AWS) starten een samenwerking via de website grand-challenge.org. Grand-challenge on AWS, zoals de samenwerking heet, biedt een machine learning platform dat innovatie op het gebied van medische beeldvorming versnelt door gebruik te maken van AWS Cloud-oplossingen, zoals AI-technologieën. Het platform stelt gebruikers in staat wereldwijd samen te werken aan onderzoeksprojecten.
Ondanks de 2,5 miljard dollar die elk jaar wereldwijd wordt uitgegeven aan onderzoek naar medische beeldvorming, blijft het bouwen van oplossingen op het gebied van artificial intelligence (AI) en machine learning (ML) voor medische beeldvorming een moeilijke en dure onderneming. Grand-challenge.org, in 2012 opgericht door hoogleraar Bram van Ginneken van het Radboudumc, wil bijdragen aan oplossingen. Het platform stelt onderzoekers en clinici in staat om AI/ML-technologieën te gebruiken, kosten te verlagen, samenwerking te ondersteunen en innovatie te versnellen.
Radiologen
Zo werd in maart 2020, bij het begin van de coronapandemie, grand-challenge.org gebruikt om binnen een paar weken met radiologen in heel Nederland een beoordelingssysteem voor CT-scans van COVID-19 patiënten te ontwikkelen, te valideren en te publiceren. Dit systeem, CO-RADS, is al meer dan een jaar de meest bekeken publicatie in Radiology, het belangrijkste tijdschrift voor radiologie. Daarna ontwikkelden machine learning groepen van Radboudumc, Amsterdam UMC, Fraunhofer MEVIS uit Bremen en het Nijmeegse bedrijf Thirona gezamenlijk via grand-challenge.org een AI algoritme voor het CO-RADS beoordelingssysteem. Ook die software is nu via het platform beschikbaar en wordt gebruikt door radiologen en onderzoeksgroepen uit de hele wereld.
AI
Het platform grand-challenge.org werd stap voor stap ontwikkeld. “In de eerste versie ontbrak een manier om de onderliggende data te bekijken”, zegt Van Ginneken. Hij wilde grand-challenge.org zover doorontwikkelen dat artsen hun eigen imaging data kunnen uploaden, bekijken in de browser, en laten analyseren door vrij te kiezen algoritmen. “Dat kon maar heel beperkt binnen de infrastructuur van het Radboudumc”, vervolgt Van Ginneken. “De vraag naar toegang tot het platform nam enorm toe tijdens de start van de COVID-19-pandemie. We hadden meer rekenkracht nodig, en om gebruikers over de hele wereld snel 3D medische beelden te kunnen laten bekijken hadden we ook computers nodig die niet alleen in Europa staan.”
Medische beeldvorming
Omdat het Radboudumc al gebruikmaakte van de public cloud was de stap snel gezet om Amazon Web Services (AWS) bij dit project te betrekken. Hiermee werd de reikwijdte en schaal van het platform uitgebreid. Dit partnerschap opende nieuwe mogelijkheden om onderzoekers op het gebied van medische beeldvorming wereldwijd te laten samenwerken: inmiddels hebben al meer dan 64.000 gebruikers zich geregistreerd.
Elke onderzoeks- en ontwikkelingsorganisatie of consortium kan medische beeldvormingsprojecten organiseren door hun onderzoeksprojecten op grand-challenge.org te publiceren. Deelnemers krijgen toegang tot data, kunnen zelf data uploaden, gebruiken ingebouwde tools om beelden te visualiseren en te laten beoordelen door experts, en kunnen competities, zogenaamde challenges, organiseren om algoritmen te laten ontwikkelen die bijvoorbeeld structuren in beelden segmenteren of de computer afwijkingen laten detecteren. Alles werkt via het internet.
Datawetenschappers
“De migratie van grand-challenge.org naar de AWS Cloud stelt ons in staat om een geïntegreerde oplossing te bieden waar medische onderzoekers en datawetenschappers kunnen samenwerken om AI/ML-modellen te bouwen, daarna te valideren en wereldwijd beschikbaar te maken,” aldus Van Ginneken. “De AWS-cloud kan ons onderzoek versnellen en zal ons in staat stellen om potentieel levensreddende nieuwe gegevens en praktijken naar onze gezondheidszorg te brengen.”
Sinds de lancering hebben academische medische onderzoekscentra samengewerkt met grand-challenge.org om de resultaten voor patiënten te verbeteren. Tot de projecten behoorden pathologiediagnostiek voor prostaatkanker, detectie van hersen-MRI-laesies, radiografie van de borstkas en beeldvorming van longkanker in instellingen zoals het Karolinska Instituut, Amsterdam UMC, University College London, Fraunhofer MEVIS, Vancouver General Hospital en het Memorial Sloan Kettering Cancer Center.
