Wachtlijsten voor medische beeldvorming groeien en radiologen kampen wereldwijd met een steeds hogere werkdruk. In deze context is snelheid en nauwkeurigheid van levensbelang. Wat als je een complexe MRI-scan van de hersenen niet in uren, maar in enkele seconden kan interpreteren, nog voordat een arts ernaar heeft gekeken. Onderzoekers hebben onlangs Prima gepresenteerd in het gerenommeerde tijdschrift Nature Biomedical Engineering.

Prima is geen algoritme dat getraind is om één specifiek probleem te herkennen. Het is een foundation model dat getraind is op een enorme hoeveelheid gezondheidsdata. Het resultaat is kunstmatige intelligentie die in staat is om meer dan 50 verschillende neurologische diagnoses te stellen met een precisie die die van de huidige standaarden overtreft.

Wat is Prima precies?

Prima is een geavanceerd AI-model dat specifiek is ontwikkeld voor het analyseren van MRI-scans van de hersenen.  Het model is gebouwd op een dataset van meer dan 220.000 MRI-studies, afkomstig uit het academische gezondheidssysteem van de University of Michigan.

De kracht van Prima ligt in de architectuur. Het maakt gebruik van een hiërarchische visie-architectuur (Vision Transformers of ViT). In lekentaal betekent dit dat het model niet alleen naar losse 2D-plaatjes kijkt, maar de volledige 3D-context van een MRI-scan begrijpt. Een MRI bestaat immers uit honderden beelden die samen een ruimtelijk geheel vormen. Prima analyseert deze enorme hoeveelheid visuele data en koppelt deze aan medische kennis.

Het model werd getraind met behulp van een techniek die ook wordt gebruikt in modellen zoals ChatGPT, maar dan voor beelden: het leert patronen herkennen door beelden te koppelen aan de tekstuele beschrijvingen in radiologierapporten. Hierdoor heeft Prima een diepgaand begrip ontwikkeld van hoe pathologieën eruitzien op een scan.

Het team achter de technologie

Deze technologie is ontwikkeld door een interdisciplinair team van de University of Michigan. De studie werd geleid door Todd Hollon, een neurochirurg en onderzoeker, samen met experts in computerwetenschappen (zoals Yiwei Lyu) en radiologie. De samenwerking tussen klinische artsen en AI-wetenschappers was cruciaal voor dit project. Een model kan technisch nog zo perfect zijn, als het niet aansluit op de dagelijkse praktijk van een ziekenhuis, is het waardeloos.

Het team publiceerde hun bevindingen begin 2026, waarbij ze benadrukten dat het doel niet is om artsen te vervangen, maar om hen te ondersteunen in een tijd waarin burn-out onder radiologen een reëel probleem is. Door gebruik te maken van data op de schaal van een heel gezondheidssysteem (health system-scale data), hebben ze een tool gecreëerd die robuuster is dan modellen die getraind zijn op kleine, gecureerde datasets.

Wat maakt Prima beter dan andere modellen?

Er zijn al veel AI-modellen voor medische beeldvorming. Waarom is Prima bijzonder? Het antwoord ligt in de veelzijdigheid en de prestaties in de echte wereld.

1. Een echte generalist

De meeste medische AI-modellen zijn “narrow AI”. Ze zijn fantastisch in één ding, maar falen als ze iets anders tegenkomen. Prima is getest op 52 verschillende radiologische diagnoses, variërend van hersentumoren (zoals gliomen en metastasen) tot beroertes, infecties en cysten. In een grootschalige testfase van een jaar, waarbij bijna 30.000 MRI-studies werden geanalyseerd, behaalde Prima een gemiddelde diagnostische ‘Area Under the Curve’ (AUC) van 92,0%. Dit is een score die aangeeft hoe goed het model onderscheid kan maken tussen zieke en gezonde patiënten, en deze score ligt hoger dan die van andere state-of-the-art modellen.

2. Begrip van 3D-volumes

Veel eerdere modellen behandelden een MRI als een stapel losse foto’s. Prima gebruikt een slimme methode om de hele scan als één volume te verwerken. Hierdoor begrijpt het model de anatomische relaties tussen verschillende delen van de hersenen beter. Het weet dat een afwijking op de ene ‘plak’ van de scan verband houdt met wat er op de volgende plak te zien is.

3. Trainen met taal

Om Prima te trainen, gebruikten de onderzoekers Large Language Models (LLM’s) om de tienduizenden radiologierapporten samen te vatten en te koppelen aan de beelden. Hierdoor leerde Prima niet alleen dit is een tumor, maar leerde het de visuele kenmerken associëren met de rijke medische woordenschat die radiologen gebruiken.

Snelheid en prioritering: Een oplossing voor de wachtlijsten

Prima interpreteert beelden in seconden. Maar wat betekent dat in de praktijk? Het gaat niet alleen om hoe snel de computer rekent, maar om hoe snel een patiënt geholpen wordt.

Een van de krachtigste toepassingen van Prima is triage of werklijstprioritering. In een druk ziekenhuis komen dagelijks honderden scans binnen. Normaal gesproken worden deze op volgorde van binnenkomst bekeken, tenzij er met spoed om gevraagd wordt. Prima kan elke scan direct na het maken analyseren. Als het model een acute hersenbloeding of een kwaadaardige tumor detecteert, kan het deze scan bovenaan de werklijst van de radioloog plaatsen.

Dit systeem zorgt ervoor dat kritieke patiënten sneller hun diagnose krijgen, wat in neurologische noodgevallen het verschil kan maken tussen volledig herstel of blijvende schade. Vooral in landelijke gebieden of ziekenhuizen met minder specialisten (low-resource settings) kan dit de zorgkwaliteit aanzienlijk verhogen.

Eerlijkheid en uitlegbaarheid (Explainability)

Een groot probleem bij AI in de zorg is de black box: de computer geeft een antwoord, maar niemand weet waarom. Daarnaast is er de angst voor bias (vooroordelen), waarbij AI slechter presteert bij bepaalde bevolkingsgroepen. De makers van Prima hebben hier veel aandacht aan besteed.

Uitlegbaarheid

Prima geeft niet alleen een diagnose, maar biedt ook een explainable differential diagnoses. Het model kan aangeven welke delen van de scan hebben geleid tot de conclusie. Dit is essentieel voor het vertrouwen van de arts. Als Prima zegt, ik denk dat dit een glioblastoom is, kan de radioloog zien naar welke pixels het model kijkt. Als het model naar de juiste regio in de hersenen wijst, weet de arts dat de voorspelling serieus te nemen is.

Algoritmische eerlijkheid

De onderzoekers hebben Prima uitgebreid getest op meerderre bevolkingsgroepen. Ze analyseerden de prestaties op basis van geslacht, leeftijd en andere demografische factoren. De resultaten tonen aan dat Prima algoritmische eerlijkheid vertoont. De nauwkeurigheid blijft stabiel over verschillende patiëntgroepen heen. Dit is een cruciale stap om te voorkomen dat AI de bestaande ongelijkheid in de gezondheidszorg vergroot.

Beperkingen en uitdagingen

Hoewel de resultaten indrukwekkend zijn, is het belangrijk om realistisch te blijven. Prima is een hulpmiddel, geen vervanging voor de menselijke specialist. Er zijn enkele beperkingen waar we rekening mee moeten houden.

  • Onderzoeksfase: Hoewel het model is getest in een klinische setting, zijn de modelparameters momenteel openbaar gemaakt voor investigational use only. Het is nog geen commercieel product dat je morgen in elk ziekenhuis zal vinden.
  • Data-afhankelijkheid: Prima is getraind op data van één groot gezondheidssysteem (University of Michigan). Hoewel het model goed presteert op externe datasets, blijft generalisatie naar totaal andere types scanners of populaties altijd een aandachtspunt bij AI.
  • Privacy: De ruwe MRI-data van de patiënten waarop het model is getraind, zijn niet openbaar vanwege privacywetgeving. Dit is begrijpelijk, maar het maakt het voor onafhankelijke onderzoekers soms lastiger om de training exact te reproduceren, hoewel de code en parameters wel beschikbaar zijn.

Waar leidt dit toe?

De lancering van Prima markeert een verschuiving in medische AI. We bewegen weg van kleine, specifieke modellen naar grote, veelzijdige fundamentmodellen die het hele spectrum van ziekten begrijpen. De onderzoekers hebben de code en de modelparameters beschikbaar gesteld via een MIT-licentie op GitHub. Dit betekent dat andere wetenschappers en ontwikkelaars wereldwijd met deze technologie aan de slag kunnen om deze verder te verbeteren of aan te passen voor hun eigen ziekenhuizen.

In de toekomst zou deze technologie kunnen leiden tot een wereld waarin elke MRI-scan, waar ter wereld deze ook wordt gemaakt, direct wordt gecontroleerd door een AI-expert. Dit fungeert als een tweede paar ogen dat nooit moe wordt, nooit wordt afgeleid en in seconden kan zien wat voor het menselijk oog soms minuten of uren kost om te analyseren. Voor de patiënt betekent dit: snellere diagnoses, minder wachttijd en een grotere kans op de juiste behandeling op het juiste moment.

Prima laat zien dat wanneer we de enorme hoeveelheden data die onze gezondheidssystemen genereren slim gebruiken, we tools kunnen bouwen die de zorg niet alleen efficiënter, maar ook menselijker maken door de druk op artsen te verlichten.