RadReport AI: bevindingen bij thoraxfoto's

Bij iiterate Technologies ontwikkelen we intelligente tools die reële uitdagingen oplossen, van documentworkflows tot diagnostiek. Een van onze recente experimentele projecten, RadReport AI, onderzoekt hoe multimodale AI radiologen kan ondersteunen bij het opstellen van consistente, nauwkeurige bevindingen op basis van thoraxfoto's.

Dit prototypesysteem combineert computer vision en natural language processing om binnen enkele seconden klinische samenvattingen uit medische beelden te genereren.

Radiologen besteden veel tijd aan het interpreteren van thoraxfoto's en het handmatig opstellen van gestructureerde bevindingen. Nauwkeurigheid is cruciaal, maar het proces is repetitief en tijdrovend. Ons doel met RadReport AI was te onderzoeken hoe AI kan helpen bij het vooraf invullen van eerste samenvattingen, zodat radiologen kunnen controleren, aanpassen en afronden in plaats van bij nul te beginnen.

Het gaat er niet om expertise te vervangen. Het gaat erom deze te versterken.

RadReport AI is gebaseerd op een multimodale pipeline die visueel begrip koppelt aan tekstgeneratie. Het model is getraind op de Indiana University Chest X-ray Dataset, die meer dan 7.000 gelabelde beelden en bevindingen omvat.

Belangrijkste technische componenten:

• Vision encoder: ViT (vit-base-patch16-224)
• Language decoder: GPT-2
• Tokenizer: Hugging Face AutoTokenizer
• Trainingsframework: PyTorch + Transformers
• UI-implementatie: Streamlit, gehost op Hugging Face Spaces

Zodra een thoraxfoto wordt geüpload, herkent het model relevante patronen in het beeld en vertaalt deze met behulp van een op GPT gebaseerde decoder naar klinische bevindingen.

RadReport AI ondersteunt momenteel het volgende:

• Kenmerken van thoraxfoto's herkennen en interpreteren
• Beknopte „impression"-samenvattingen genereren
• Output valideren met BLEU, ROUGE en METEOR
• Inference uitvoeren via een live interactieve demo
• Verklaarbare output ondersteunen met attention-gebaseerde methoden (in voorbereiding)

Evaluatiescores:

• BLEU: 0.51
• ROUGE-1: 0.55
• METEOR: 0.53

Deze resultaten weerspiegelen een sterke overeenkomst met door experts opgestelde bevindingen.

RadReport AI is een proof of concept, maar de toepassingen zijn tastbaar:

• Radiologiepraktijken: snelle impressions die radiologen kunnen bewerken en goedkeuren
• Medisch onderwijs: helpt lerenden om visuele data te koppelen aan klinische begrippen
• Onderzoek naar AI in de gezondheidszorg: testomgeving voor multimodale diagnosepipelines

Het wordt publiek gehost, vereist geen installatie en staat open voor tests en feedback.

We werken momenteel aan:

• Meerdelige bevindingen (bijv. findings + impressions)
• Attention-visualisaties voor meer transparantie
• Ontologie-integratie (bijv. RadGraph-alignment)
• Uitbreiding naar meertalige bevindingen

Als uw praktijk, onderzoekslab of universiteit AI-gestuurde radiologie verkent, werken we graag met u samen.

RadReport AI is een kleine maar betekenisvolle stap in het onderzoeken van hoe vision-language-modellen medisch personeel kunnen ondersteunen. Bij iiterate zien we AI als een instrument om menselijke intelligentie te versterken, niet te vervangen, en we ontwikkelen vanuit die overtuiging.

Blijf op de hoogte terwijl we de grenzen van toegepaste AI blijven verleggen.