Steeds meer ziekenhuizen, bedrijven en start-ups ontdekken de mogelijkheden van Artificiële Intelligentie (AI) voor de gezondheidszorg. Toch staat niet iedereen te springen. Medisch specialisten zijn verdeeld over de slimme software.
Artificiële Intelligentie maakt het werk van artsen eenvoudiger en sneller. Deze nieuwe technologie kan op diverse manieren worden ingezet. Zo werkt Phillips aan meerdere slimme systemen om de gezondheidszorg te verbeteren, zoals de Radiology Smart Assistant. Een onderzoekgroep van de TU Darmstadt werkt op zijn beurt aan een AI-systeem om op afstand te kunnen opereren. Verder is er bijvoorbeeld ook een Oostenrijkse start-up die een AI-gedreven personeels- en taakplanning voor zorgmedewerkers heeft ontwikkeld, zodat ze efficiënter ingezet kunnen worden. De mogelijkheden lijken eindeloos.
Toch staat niet iedere arts te springen om AI-toepassingen te implementeren in de zorg. Onlangs publiceerde de Universiteit van Maastricht daarover een artikel. Er bestaat namelijk een computersysteem dat aan de hand van MRI-scans kan zien of een een chemotherapie effect heeft op tumoren. Deze techniek wordt radiomics genoemd. Alhoewel de methode zich bewezen heeft, wordt er nog geen gebruik van gemaakt. Artsen zijn terughoudend, want zij hebben geen idee hoe en waarom het systeem bepaalde keuzes maakt.
Dure kansen
“Het is bekend dat er nogal wat twijfel bestaat bij medische gemeenschap om AI zomaar te accepteren. Dat is een van de redenen waarom de implementatie ervan zo traag verloopt. Het wordt niet overal verwelkomt. Iedereen worstelt met dit nieuwe fenomeen”, vertelt Paul Algra, radioloog in het Noordwest Ziekenhuisgroep en bestuurslid van de European Society Medical Information and Informatics (EuSoMII). Zelf behoort hij tot de laatste groep, die van de AI-enthousiastelingen. “Er liggen enorme kansen. Er is veel gepubliceerd over toepassingen van AI die hartstikke goed werkten. In mijn eigen vakgebied, maar ook in het algemeen.”
Dat in de toekomst van de zorg AI een grote rol gaat spelen, staat volgens Algra wel vast. Het zorgt echter meteen ook voor verschillende nieuwe vraagstukken. “Er zijn veel kleine bedrijven die een AI-oplossing bieden voor de gezondheidszorg. Die zijn vaak gerelateerd aan één specifiek probleem. Een ICT-afdeling van het ziekenhuis zit er niet op te wachten om met tientallen bedrijven te werken, die ook allemaal hun eigen systemen hebben. Je gaat liever met één grote jongen in zee. Zoals Philips of Siemens, maar hun producten zijn minder ver doorontwikkeld dan wat start-ups aanbieden.”
Iedereen wil graag AI, maar niemand wil ervoor betalen
Paul Algra, radioloog NWZ en bestuurslid ESMII
Een ander vraagstuk betreft het verdienmodel van AI-systemen in ziekenhuizen. Een ziekenhuis declareert de kosten van de behandelingen bij verzekeraars. Bij AI-systemen hoeft niet direct sprake te zijn van een behandeling. De toepassing kan ook de kwaliteit van de zorg verhogen. Zo’n investering kan dus niet worden gedeclareerd. Dat geld moet op een andere manier worden terugverdiend.
“Iedereen wil graag AI, maar niemand wil ervoor betalen. In principe leiden zulke dure investeringen uiteindelijk tot premieverhogingen. Dat wil niemand, dus moeten we een nieuw verdienmodel bedenken op basis van de waarde die AI toevoegt. Vorig jaar hebben we met een algoritme bekeken of het mogelijk bleek om patiënten met kanker en uitzaaiing niet drie keer te onderzoeken, maar twee keer vanwege de verbeterde zorgkwaliteit. Dat is beter voor de patiënt en voor de verzekeraar. Daar zou je dan bijvoorbeeld een waarde aan kunnen koppelen.”
Wat de arts niet kent, gebruikt hij niet
In de medische wereld zijn er ondertussen twee kampen ontstaan. Zij die geen behoefte voelen om AI toe te passen in hun werkveld en zij die de nieuwe technologie met open armen verwelkomen. Merel Huisman is radioloog in het Radboudumc en zit eveneens in het bestuur van de EuSOMII. Zij heeft een studie gedaan naar de bereidheid van artsen om AI te implementeren.
“De zorg is de traagste sector om te innovaties door te voeren. Een innovatie van redelijke grootte duurt gemiddeld twintig jaar, voordat het echt alom wordt gebruikt. Ik wilde kijken hoe je dat proces kan versnellen.”
Uit de studie van Huisman bleek dat artsen die niks van AI afwisten heel positief waren over deze techniek. Echter, hadden ze een klein beetje kennis opgebouwd, dan waren ze juist weer geneigd om negatief te zijn. “Dit was gecorrigeerd voor alle variabelen, zoals land, leeftijd, geslacht en technische achtergrond. Alles waarvan je verwacht dat het invloed heeft op de resultaten. Maar hoe meer kennis artsen krijgen over AI, hoe positiever hun beeld er weer van wordt.”
“De conclusie was dan ook dat we moeten inzetten op onderwijs voor artsen, zodat ze open staan voor AI-toepassingen. Maar ook om de risico’s goed te kunnen afwegen van AI-toepassingen om zo een juiste beslissing te maken.”
Volgens Huisman moeten artsen de basisbeginselen van data-gestuurde softwaretools leren begrijpen. Volgens haar zit er weinig verschil in wat artsen nu al leren als ze bijvoorbeeld een nieuwe operatietechniek gaan gebruiken en nieuwe AI-technologie.
“Artsen die zo’n nieuwe operatietechniek willen toepassen, weten vooraf hoe het proces verloopt en wat de risico’s zijn. Dat geldt ook voor AI. Eigenlijk lijkt het heel simpel: je gebruikt veel gegevens van een grote groep om een beslissing te maken over één persoon. Dat proces heeft een aantal stappen en die zouden inzichtelijk gemaakt moeten worden.”
Gebrekkige datasets
Daarnaast zorgt het gebrek aan data ervoor dat artsen nog huiverig zijn om AI-software als diagnostische ondersteuning te gebruiken. De toepassingen zijn namelijk nog niet honderd procent betrouwbaar. “Je kan er niet blind op varen,” vertelt Paul Algra. Zelf werkt hij nu meer dan vier jaar met een AI-software om CT-scans te beoordelen. “Die algoritmes zijn ontwikkeld in een kunstmatige omgeving met een beperkte dataset. Daarnaast werkt een algoritme uit China niet in Nederland, want de epidemiologie is heel anders. Bij een vlekje op de long in China is de kans 99 procent dat het tuberculose is, terwijl dat in Nederland niet zo is. De kwaliteit van die algoritmes zijn dus zeker niet perfect en het is afhankelijk van waar ze vandaan komen.”
Er zijn ook grote verschillen op het gebied van data binnen de Nederlandse gezondheidszorg. Gaby Wildenbos werkt als senior adviseur bij Nictiz, de kennisorganisatie voor digitale informatievoorziening in de zorg. “Gegevens zijn op dit moment vooral versnipperd over verschillende systemen. Dat geldt overigens niet alleen voor AI, maar is zorgbreed een knelpunt. Zo wordt het heel lastig om genoeg data te verzamelen om een AI-systeem te trainen.”
Data-uitwisseling
Afgelopen maand is het wetsvoorstel Wet elektronische gegevensuitwisseling in de zorg (Wegiz) unaniem aangenomen in de Tweede Kamer. In het voorstel staat dat gegevensuitwisseling tussen zorgverleners in een aantal gevallen elektronisch moet verlopen, bijvoorbeeld voor het digitaal versturen van het recept van de huisarts naar de apotheek. Vanuit de Wegiz maken het zorgveld en leveranciers afspraken over taal en techniek in de ICT.
“Deze wet draait alleen om data verkregen uit het primaire zorgproces, bijvoorbeeld wanneer er een CT-scan van een patiënt wordt gemaakt,” vertelt Wildenbos. “Voor secundaire toepassingen wil je ook deze eenheid van taal en techniek bereiken. Je wilt dus zorgen dat de data uit het primaire proces beschikbaar komt voor meerdere doeleinden, zoals het trainen van AI-software. Mits er toestemming is van de patiënt hiervoor. Daarnaast is het voor secundaire toepassingen belangrijk dat er een standaard komt waarin afspraken worden gemaakt over hoe de context van de data wordt vastgelegd. Hiermee maak je bijvoorbeeld afspraken over hoe je de herkomst van de data weergeeft. Dit leidt tot transparantie in AI-toepassingen en kan daarmee ook het vertrouwen van zorgverleners ten opzichte van deze technologie verhogen.”
Als je dit artikel leuk vindt, lees dan ook:
