Project uitgelicht: Verbetering diagnostiek schouderklachten dankzij Living Lab Care Robotics

Hoe kun je met de inzet van artificial intelligence (AI) de diagnostiek bij schouderklachten verbeteren? Vanuit Medical Delta Living Lab Care Robotics houden studenten van de minor Applied Data Science zich bezig met deze onderzoeksvraag.

Illustrerende foto van een man met microchip

Bron: Medical Delta
Foto: Shutterstock

De minor startte in 2017 en is opgezet door het lectoraat Technology for Health van De Haagse Hogeschool en het Leids Universitair Medisch Centrum (LUMC). De minor is voorgedragen voor de Pim Breebaart Award, een award voor het project dat onderzoek, onderwijs en praktijk het best verbindt binnen De Haagse Hogeschool.

Centraal in het onderzoek staat de vraag of en hoe artificial intelligence (AI) een arts kan ondersteunen in zijn diagnostiek. In Medical Delta Living Lab Care Robotics wordt met bewegingssensoren die zijn verbonden aan een computersysteem gekeken naar patiënten met schouderklachten. De sensoren registreren de bewegingen van de schouder en relateren die aan de big data in de computer. Wordt op deze manier een patroon ‘herkend’, dan leidt dit tot een diagnose die vergeleken wordt met de diagnose van de arts.

“De ondersteuning van de diagnostiek door AI heeft enorm veel potentie in zich,” zegt dr. Erwin de Vlugt, lector Technology for Health bij De Haagse Hogeschool. “Een arts, hoe ervaren ook, kan een keer iets over het hoofd zien. Artificial intelligence combineert wat de bewegingssensoren op het lichaam van de patiënt zien met de data die al beschikbaar zijn. Dat is nu gefocust op de schouderbewegingen, maar kan uitgebreid worden naar ieder deel van het bewegingsapparaat. Straks kunnen we misschien de gezichtsuitdrukking van iemand meenemen in het onderzoek. Of andere delen van het lichaam. Dan zou bijvoorbeeld AI kunnen aangeven dat de schouderklachten zijn ontstaan vanuit een slecht functionerende knie.”

Nieuwe gouden standaard

Het onderzoek wordt gedaan in samenwerking met artsen en patiënten van het LUMC. De Vlugt: “De patiënten werken mee, omdat zij daardoor sneller een diagnose krijgen en eerder de polikliniek kunnen verlaten. Dit project wordt uitgevoerd in een revalidatieomgeving. De artsen daar zijn al gewend aan veel technologie en staan positief ten opzichte van de potentiële toegevoegde waarde van AI. We leren nu AI net zo goed te laten zijn als de dokter. Als dat lukt, krijgen we misschien een nieuwe gouden standaard.”

“In het onderzoek van deze minor komen verschillende disciplines in het onderwijs, het onderzoek en het beroepenveld samen: data science, technologie, ICT, design en verpleegkunde. Alle betrokkenen voelen dezelfde uitdaging. Alle disciplines zijn begaafd in conceptueel denken. De verpleegkundigen zijn de vertolkers van wat op de ziekenhuisvloer gebeurt. Het leuke is dat je vanuit kennis en methodiek de toepassing ontwikkelt. Dat we nu de eerste prototypes kunnen gaan testen.”

Betekenisvol

“We kunnen als onderzoeksteam binnen deze minor betekenisvol zijn voor de maatschappij,” zegt docent-onderzoeker dr. Tony Andrioli van De Haagse Hogeschool. ”De samenwerking met zoveel disciplines én met de mensen van het LUMC is verbindend en verrijkend. Het zou prachtig zijn wanneer hieruit een nieuwe diagnostische realiteit kan voortkomen.”