Hoe maken we van kunstmatige intelligentie – AI- in de zorg een succes?
Artificial Intelligence: het lijkt een goede oplossing voor in de zorg. Het kan helpen om de toegankelijkheid van de zorg te waarborgen en verbeteren, om de werkdruk te verlagen of om verspellingen rondom aandoeningen te doen. Toch zitten er wat haken en ogen aan. Er is namelijk veel data nodig om het AI algoritme te trainen, het algoritme moet betrouwbaar zijn en wie is er verantwoordelijk wanneer er een fout wordt gemaakt? Aangezien AI veelbelovend is, leidt dit tot de vraag: hoe wordt AI een succes in de zorg?
De zorg van de toekomst
Met AI nemen computers op basis van grote hoeveelheden data zelfstandig beslissingen – en het belangrijkste – ze kunnen ervan leren en hun output erop aanpassen. Daardoor kan AI op meerdere vlakken de zorg ondersteunen. Voorbeelden van enkele mogelijke toepassingen zijn:
- Virtuele doktersassistenten & verpleegkundigen
- Voorspellen oplevingen van bijv. migraine
- Klachten vergelijken met mogelijke aandoeningen
- Behandeladvies o.b.v. AI
- Precisiegeneeskunde o.b.v. genetica patiënt
- Maatwerkmedicatie voorschrijven
- Voorspellingen over piekbelasting praktijk
- Patiënt prognoses maken
AI, wat lost het op?
Hoewel de individuele toepassing al een succes op zich zijn, kan AI hierdoor in impact hebben op het volledige zorgproces. Door het inzetten van AI kan er tijd bespaard worden of betere diagnoses gesteld worden. Het kan ook helpen om iemands aandoening onder controle te houden. Concreet zou AI dus bij kunnen dragen aan de volgende aspecten:
- werkdrukverlaging,
- meer tijd voor patiënten die wel persoonlijk gezien en behandeld moeten worden,
- minder noodzaak voor een persoonlijk bezoek aan een arts voor (chronische) patiënten,
- stabiele of betere zorgkwaliteit en toegankelijkheid,
- accuratere en snellere diagnoses/ behandelingen/ prognoses,
- maatwerk geneeskunde
Benodigdheden voor AI in de zorg
Er zit wel een grote “maar” aan het inzetten van AI. We hebben grote hoeveelheden data nodig, maar wie is verantwoordelijk voor deze data? Evenals de verantwoordelijkheid voor fouten van AI. Dan vraag je je al snel af: wat is er nodig voor een goede implementatie van AI in de zorg?
1. Heel veel data
AI werkt op basis van enorme hoeveelheden gestandaardiseerde en geanonimiseerde data genomen over een langere periode. Hoe meer zorgdata, hoe accurater AI kan leren en werken. Op basis van data kan AI voorspellingen maken, patronen ontdekken en conclusies trekken over allerlei zorgvraagstukken. Het gebruik van grote hoeveelheden data is echter makkelijker gezegd dan gedaan. Zie punt 2.
2. Een strak (Europees of wereldwijd) zorgdataverwerkingsbeleid
We hebben in Nederland (terecht) te maken met strenge privacywetten. Daarbij komt data over patiënten uit diverse bronnen, zoals wearables, het elektronisch patiëntendossier enz.. Er moet dus een streng beleid voor verzameling, encryptie, distributie, privacy en beheer m.b.t. zorginformatie opgesteld worden. De uitvoering van het beleid moet gecontroleerd worden, en wie controleert de controleur? Dit leidt tot ethische en praktische vragen. Voor het succes van AI is een gedegen gecentraliseerd beleid dus bepalend.
3. Zorgprocessen anders inrichten
Wanneer de dataverwerking afgedicht is, kunnen we nadenken over de dagelijkse gang van zaken. Zorginstellingen zullen hun werkprocessen anders moeten gaan inrichten, vooral op digitaal gebied. Goede IT-kennis en inrichting bij zorginstellingen wordt nog belangrijker.
Voor patiënten betekent dit persoonlijke zorg waar het moet, zelfzorg waar het kan. Chronische- en nazorgpatiënten kunnen bijvoorbeeld op afstand gemonitord worden via wearables en de ontwikkelingen die te zien zijn in hun data. Met AI kan er zo gedetecteerd worden wanneer een patiënt langs zou moeten komen bij een arts. Met dit directe inzicht kan er eerder ingegrepen worden wanneer nodig, maar hoeven patiënten ook niet naar een arts als het niet nodig is. Kortom: alleen patiënten die echt een arts moeten zien maken een afspraak, dat scheelt tijd voor patiënten en zorgprofessionals.
Wanneer bij de ontwikkeling van AI gebruik kan maken van enorme hoeveelheden zorgdata (wereldwijd) EN ook nog eens het (genetische) gezondheidsprofiel van een specifieke patiënt als context tot zijn beschikking heeft, dan kan het leiden tot iets echt interessant. Artsen kunnen dan van AI advies ontvangen voor het behandeltraject met de mogelijke diagnoses en de best werkende behandelingen. De rol van deze arts verschuift dan van diagnosticerend naar controlerend. Natuurlijk blijft het belangrijk dat er niet blind wordt afgegaan op wat AI zegt. Want AI kan ook fouten maken. Zie punt 5.
5. De black box
Hoewel AI een geweldige oplossing kan zijn, moet het wel goed getraind worden. AI is namelijk een soort black box: je voert iets in en er komt iets uit. Wat er daartussen gebeurt is lastig te doorgronden. De informatie die gebruikt wordt om het algoritme te trainen is daardoor extra belangrijk. Deze is namelijk ook leidend voor de uitvoer van het algoritme. Dit heet ook wel het “Garbage in = Garbage out” principe. Hiermee wordt bedoeld dat als je onzin invoert, er ook onzin uit het programma komt. Een gedegen dataset om de computer te trainen is dus van belang.
6. Patiënten laten wennen aan de nieuwe zorg
Ook patiënten moeten worden meegenomen in de werkwijze van de nieuwe zorg. Meer zelf doen en minder vaak naar de dokter. Omdat grote veranderingen niet van de ene op de andere door te voeren zijn, zullen patiënten ook de tijd hebben om hieraan te wennen. Deze verandering zal dus geleidelijk gaan plaatsvinden.
Hoe kijk jij naar kunstmatige intelligentie in de zorg
