AI in de zorg versnelt medische doorbraken

Kunstmatige intelligentie (AI) verandert in razend tempo hoe we naar geneeskunde en biomedisch onderzoek kijken. Waar onderzoekers vroeger maanden nodig hadden om data te analyseren, kan AI vandaag patronen herkennen die voor mensen nauwelijks zichtbaar zijn. Die evolutie maakt AI in de zorg steeds relevanter voor zowel onderzoekers als artsen. Kris Laukens (Faculteit Wetenschappen) en Tim Van De Looverbosch (Faculteit Farmaceutische, Biomedische en Diergeneeskundige Wetenschappen) delen hun enthousiasme én bezorgdheden over AI met Stroom.

AI verbindt bio-informatica en beeldanalyse

Beeldanalyse en bio-informatica lijken op het eerste gezicht erg verschillende disciplines. Toch vertrekken ze vanuit eenzelfde doel: biologische processen beter begrijpen.

“In essentie gaat het allemaal om data uit de biologie,” zegt bio-informaticus en dataminingexpert Kris Laukens. “AI helpt ons die enorme hoeveelheden informatie te ontleden en verbanden te ontdekken die we vroeger niet zagen.” Onderzoeker celbiologie en expert in AI-gedreven beeldanalyse Tim Van De Looverbosch vult aan: “Onze werelden groeien naar elkaar toe. We kunnen nu beeldinformatie combineren met sequencingdata, wat een vollediger beeld geeft van wat er zich in cellen afspeelt.”

Deep learning: doorbraak in biomedisch onderzoek

AI is geen hype van de voorbije jaren, benadrukken beide onderzoekers. “Ik begon al rond 2005 met technieken die voorlopers van AI waren,” vertelt Laukens. “De hoeveelheid biologische data steeg toen explosief en klassieke rekenmethodes konden dat tempo niet meer volgen.”

Voor Van De Looverbosch kwam het kantelpunt rond 2017: “Deep learning werd toen een echte gamechanger. Plots kon je neurale netwerken (een informaticamodel geïnspireerd op het menselijke brein, nvdr) ruwe data geven en het systeem leerde zelf welke patronen relevant waren. Dat was revolutionair. ”Een bekend voorbeeld is AlphaFold, een AI-model van DeepMind dat eiwittenstructuren voorspelt. “Wat decennialang een onoplosbaar probleem was, werd plots haalbaar dankzij AlphaFold,” zegt Laukens. “Dat was voor de biowetenschappen een schokgolf.”

Nieuwe vaardigheden nodig in het AI-tijdperk 

De impact op het dagelijkse werk van een onderzoeker is groot. AI ondersteunt onderzoekers onder meer bij het analyseren van complexe datasets, het genereren van hypotheses, het optimaliseren van experimenten en het versnellen van analyses.

“Ik zie AI als een waardevolle sparringpartner, maar het vraagt wel een actieve, kritische houding. Door gerichte vragen te stellen vanuit je expertise, open je soms onverwachte pistes,” zegt Van De Looverbosch.  Laukens ziet hetzelfde gebeuren op grote schaal. “Bij onze spin-off ImmuneWatch gebruiken we AI om te analyseren of kandidaat-vaccins een T-celrespons (een specifieke reactie van het immuunsysteem op indringers zoals virussen of kankercellen) uitlokken. Daarvoor was vroeger wekenlang labo-onderzoek nodig, en was dus tijdrovend en duur.” 

AI verandert ook het profiel van de onderzoeker. Dat moet eveneens in het onderwijs verankerd worden. De universele vaardigheden die een onderzoeker volgens Laukens vandaag nodig heeft, zijn: 

• begrijpen hoe modellen werken,
• interdisciplinair samenwerken en communiceren,
• kritisch evalueren van AI-resultaten,
• algoritmisch denken en programmeren.

Laukens benadrukt het belang van discipline-overschrijdende communicatie: “Een informaticus moet begrijpen wat een biomedicus bedoelt, en omgekeerd. Dat vraagt een mindset van samenwerking en levenslang leren. Wat vandaag relevant is, kan binnen tien jaar achterhaald zijn.”

De risico’s van AI: bias en validatie

Toch schuilt er ook gevaar in de snelle AI-evolutie. “Het blijft cruciaal om resultaten te valideren,” benadrukt Van De Looverbosch. “We vergelijken onze AI-resultaten nog altijd met manuele annotaties. Zo meten we hoe performant het model echt is.”

Laukens wijst op het risico van bias: “Een model dat getraind is op westerse populaties of beperkte datasets, kan verkeerde conclusies trekken. Binnen Antwerp Center for Responsible AI (ACRAI) toetsen we niet enkel de accuraatheid van modellen, maar ook of ze vrij zijn van bias, geen stereotypes versterken en zeker niet discrimineren.”

Samenwerking als sleutel tot betrouwbare medische AI

De sleutel tot betrouwbare AI ligt in samenwerking. Het samenwerkingsnetwerk BIOMINA verbindt onderzoekers uit de computerwetenschappen en de ‘life sciences’. “Die kruisbestuiving is essentieel,” zegt Laukens. “Ons jaarlijks symposium AntwerpHealth.AI brengt bijvoorbeeld informatici, artsen en biologen samen om ideeën uit te wisselen. Dat levert voor iedereen veel op.”

Van De Looverbosch beaamt dat: “Soms kan iemand uit een totaal ander domein tijdens een lunchmeeting onverwacht een inzicht aanreiken dat jouw onderzoek vooruithelpt. Daarnaast organiseert BIOMINA ook de interuniversitaire workshop ‘From Pictures to Numbers’ waarin onderzoekers uit verschillende disciplines leren hoe je AI kan gebruiken om beelden te analyseren.”

Hoe ziet de biomedische wereld er binnen tien jaar uit?

Laukens is optimistisch: “Ik verwacht gepersonaliseerde therapieën en immuuntherapieën die veel beter op maat van de patiënt zijn. AI zal artsen helpen door complexe data om te zetten in duidelijke inzichten, zodat artsen meer tijd hebben voor het gesprek met de patiënt.”

Van De Looverbosch gelooft dat we in de toekomst cellen beter zullen begrijpen dan ooit. “Door beeldvorming en sequencing te combineren, krijgen we inzicht in hoe afwijkingen in DNA of RNA zich vertalen naar problemen op celniveau. Dat opent de deur naar gerichtere behandelingen.”

AI belooft een revolutie in de gezondheidszorg, maar alleen als we er verstandig mee omgaan. “Het potentieel is enorm, maar we moeten kritisch blijven,” besluit Laukens. “AI is geen wondermiddel, het is een instrument. Het vraagt samenwerking, transparantie en voortdurende reflectie. Onze menselijke nieuwsgierigheid en verantwoordelijkheid blijven belangrijk. AI kan ons helpen om beter te begrijpen – niet om te stoppen met vragen stellen.”