Onderzoekers van het Max Planck Instituut voor Menselijke Ontwikkeling, het Instituut voor Cognitieve Wetenschappen en Technologieën (ISTC) en de Noorse Universiteit voor Wetenschap en Technologie ontwikkelden een benadering met collectieve intelligentie om de nauwkeurigheid van medische diagnoses te vergroten. Hun werk werd onlangs gepresenteerd in het tijdschrift PNAS.
Elk jaar sterven er in de VS naar schatting 250.000 mensen aan vermijdbare medische fouten. Veel van deze fouten ontstaan tijdens het diagnostische proces. Een krachtige manier om de diagnostische nauwkeurigheid te vergroten is om de diagnoses van meerdere diagnostici te combineren tot een collectieve oplossing. Er is echter een gebrek aan methoden voor het samenvoegen van onafhankelijke diagnoses in de algemene medische diagnostiek. Onderzoekers van het Max Planck Instituut voor Menselijke Ontwikkeling, het Instituut voor Cognitieve Wetenschappen en Technologieën (ISTC) en de Noorse Universiteit voor Wetenschap en Technologie hebben daarom een volledig geautomatiseerde oplossing geïntroduceerd die gebruik maakt van knowledge engineering-methoden.
De onderzoekers testten hun oplossing op 1.333 medische gevallen die werden aangeleverd door The Human Diagnosis Project (Human Dx), die elk onafhankelijk werden gediagnosticeerd door 10 diagnostici. De collectieve oplossing verhoogde de diagnostische nauwkeurigheid aanzienlijk: afzonderlijke diagnostici bereikten een nauwkeurigheid van 46%, terwijl het samenvoegen van de beslissingen van 10 diagnostici de nauwkeurigheid verhoogde tot 76%. De verbeteringen deden zich voor bij alle medische specialismen, hoofdklachten en het niveau van de diagnostici. “Onze resultaten tonen het levensreddende potentieel aan van het aanboren van de collectieve intelligentie,” zegt eerste auteur Ralf Kurvers. Hij is senior onderzoekswetenschapper aan het Centrum voor Adaptieve Rationaliteit van het Max Planck Instituut voor Menselijke Ontwikkeling en zijn onderzoek richt zich op sociale en collectieve besluitvorming bij mensen en dieren.
Het is bewezen dat collectieve intelligentie de nauwkeurigheid van beslissingen in veel domeinen verhoogt, zoals geopolitieke voorspellingen, investeringen en diagnostiek in radiologie en dermatologie (bijvoorbeeld Kurvers et al., PNAS, 2016). Collectieve intelligentie is echter vooral toegepast op relatief eenvoudige beslissingstaken. Toepassingen in meer open taken, zoals management van noodsituaties of algemene medische diagnostiek, ontbreken grotendeels vanwege de uitdaging om niet-gestandaardiseerde input van verschillende mensen te integreren. Om deze hindernis te overwinnen, gebruikten de onderzoekers semantische kennisgrafieken, natuurlijke taalverwerking en de medische ontologie SNOMED CT, een uitgebreide meertalige klinische terminologie, voor standaardisatie.
“Een belangrijke bijdrage van ons werk is dat, terwijl de door mensen aangeleverde diagnoses hun primaat behouden, onze aggregatie- en evaluatieprocedures volledig geautomatiseerd zijn, waardoor mogelijke vertekeningen in het genereren van de uiteindelijke diagnose worden vermeden en het proces tijd- en kostenefficiënter kan zijn,” voegt co-auteur Vito Trianni van het Institute for Cognitive Sciences and Technologies (ISTC) in Rome toe.
De onderzoekers werken momenteel – samen met andere partners – binnen het HACID-project om hun toepassing een stap dichter bij de markt te brengen. Het door de EU gefinancierde project onderzoekt een nieuwe aanpak die menselijke experts en AI-ondersteunde kennisrepresentatie en redenering samenbrengt om nieuwe hulpmiddelen te creëren voor besluitvorming in verschillende domeinen. De toepassing van de HACID-technologie op medische diagnostiek toont een van de vele mogelijkheden om te profiteren van een digitaal gezondheidssysteem en toegankelijke gegevens.