News and events Tilburg University

AI voor diagnostische beelden, active perception en gebruik van data tijdens crises

Gepubliceerd: 30 augustus 2021 Laatst bijgewerkt: 11 januari 2022

Op donderdag 17 juni 2021 vond de vijfde editie van de TAISIG Talks plaats. TAISIG is de Tilburg University Artificial Intelligence Special Interest Group: een onderzoeksgemeenschap die zich inzet voor Artificial Intelligence (AI).Sharon Ong, Yash Satsangi en Kenny Meesters deelden hun inzichten.

Patiëntenzorg verbeteren met AI in diagnostische beelden

Dr. Sharon Ong is assistent professor bij het departement Cognitive Science and Artificial Intelligence. In haar lezing houdt zij een pleidooi voor de noodzaak en het nut van AI bij klinische besluitvorming. Ziekenhuizen verzamelen veel gegevens door het afnemen van medische testen en onderzoeken zoals röntgenfoto's en CT-scans. Het handmatig controleren en analyseren van deze gegevens is tijdrovend. AI kan de tijd die nodig is om de gegevens te analyseren verminderen en de kwaliteit van de beslissingen van medische deskundigen verbeteren. Sharon geeft drie voorbeelden van succesvol gebruik van AI bij diagnostische beelden. Het eerste project betreft het opsporen van breuken in scafoïden met behulp van röntgenbeelden. Het tweede project betreft de voorspelling van cognitieve uitkomsten voor een patiënt, met behulp van de MRI en klinische variabelen. Het laatste project betreft de opsporing van osteolytische botletsels bij patiënten met multipel myeloom met behulp van CT-scans.

Uitdagingen van active perception

Yash Satsangi bespreekt de uitdagingen die active perception met zich meebrengt en hoe plannings- en leeralgoritmen kunnen helpen deze uitdagingen aan te pakken. Sensorselectie is een active perception taak. Dit gebeurt bijvoorbeeld wanneer een algoritme van een bewakingssysteem met meerdere camera's moet beslissen over de toewijzing van schaarse middelen, zoals rekenkracht. Om deze taak uit te voeren moet de agent in staat zijn de gedeeltelijke waarneembaarheid te modelleren, te redeneren over de gevolgen van een beslissing, een objectieve waarde toe te kennen aan zijn schatting van de onzekerheid, om te kunnen gaan met een combinatorische actieruimte en te leren van zijn eerdere acties. Deze uitdagingen worden aangepakt met een combinatie van verschillende benaderingen. Yash gaat in op drie van deze benaderingen: beslissingstheoretische planning, submodulariteit en deep anticipatory networks (DAN).

Zinvol omgaan met data in crisissituaties

Drs.ing. Kenny Meesters is gespecialiseerd in informatiemanagement tijdens crises. Samen met een team van zijn studenten maakte hij deel uit van het Landelijk Operationaal Team Corona. Zij waren in het beginstadium verantwoordelijk voor het structureren en analyseren van de data rond Covid-19. Kenny legt uit dat om goede beslissingen te kunnen nemen, de beslisser alle relevante informatie nodig heeft en het vermogen om gebeurtenissen en gevolgen van acties te voorspellen. Wanneer zich een ramp voordoet, zijn deze twee vereisten niet aanwezig. Gegevens komen binnen als geïsoleerde signalen, die moeten worden gestructureerd en georganiseerd om nuttig te zijn. In zijn lezing laat hij zien hoe hij en zijn team dit hebben aangepakt en wat er moet worden overwogen als het gaat om data, technologieën, organisaties en mensen.