Er zijn maar weinig bedrijfstakken die meer rijp zijn voor creatieve ontwrichting dan de gezondheidszorg, die enorme sommen publieke en private financiering verbruikt, terwijl ze nog steeds worstelt om aan de vraag van de groeiende en vergrijzende bevolking over de hele wereld te voldoen.
Als gevolg hiervan wordt kunstmatige intelligentie steeds meer een kracht waarmee rekening moet worden gehouden in de medische wereld. Maar net als in veel sectoren begint het volledige potentieel ervan nu pas zichtbaar te worden, en er blijft onzekerheid bestaan over hoe AI precies het beste kan worden ingezet om betere, efficiëntere zorg te leveren – en de ervaringen van patiënten en gezondheidszorgpersoneel te verbeteren.
Diagnostiek en beeldvorming
Het gebied waar AI misschien wel de grootste opwinding heeft veroorzaakt, is het potentieel om de snelheid en nauwkeurigheid te verbeteren waarmee diagnostische scans worden geïnterpreteerd.
Imperial College Health Partners in Groot-Brittannië – dat NHS-aanbieders, universiteiten en industrie in heel Noordwest-Londen samenbrengt – ziet bijvoorbeeld een grote rol voor de technologie bij het leveren van gezondheidsinnovaties op basis van bewijs uit de praktijk. CEO Axel Heitmueller zegt dat AI-systemen het al mogelijk maken dat MRI- en CAT-lichaamsscans en röntgenfoto’s ‘misschien consistenter worden gelezen dan mensen dat kunnen’.
Hij waarschuwt echter dat klinische professionals niet buiten beschouwing moeten worden gelaten: “Het bewijs dat, ondanks alle hype, naar voren komt (is dat) wanneer je mens en machine combineert, krijg je de beste resultaten.”
Eén gebied dat meer discussie behoeft, is de basis waartegen AI-hulpmiddelen op het gebied van diagnostiek moeten worden beoordeeld, zegt hij. “Iedereen is altijd gefocust op de machine en klaagt dat een machine niet perfect is. Maar we hebben nog nooit (perfectie) gehad met zorgprofessionals, dus dat roept de vraag op: wat is een acceptabel faalpercentage voor mensen?”
Pranav Rajpurkar – assistent-professor biomedische informatica aan de Harvard Medical School en medeoprichter van a2z Radiologie AIdat een AI-model heeft geproduceerd voor CAT-scans van de buik en het bekken, gelooft dat de faalpercentages op een dag helemaal kunnen worden uitgeroeid. Hij zegt: “Ik denk dat er een wereld (kan) zijn waarin we dankzij AI geen medische fouten maken (en) waarin geen enkele ziekte wordt gemist.”
Hoewel de technologie al bijdraagt aan het eerder opsporen van tijdgevoelige omstandigheden, zorgt het er echter nog niet voor dat mensen “sneller worden in wat ze doen”, waarschuwt hij.
Zijn onderzoeksmissie is het bouwen van zogenaamde generalistische medische AI-modellen die in staat zullen zijn “het volledige spectrum van taken te vervullen die artsen kunnen uitvoeren op het gebied van de interpretatie van medische beelden”.
Terwijl AI momenteel bijvoorbeeld longknobbels kan detecteren op röntgenfoto's van de borstkas, of laesies op mammografieën, “moet de expert nog 200 tot 400 andere dingen doen als onderdeel van de interpretatie en hebben we (nog) geen algoritmen die dat kunnen doen”, benadrukt Rajpurkar.
“De waardepropositie op het gebied van efficiëntie is er een die we nog steeds niet hebben waargemaakt op het gebied van AI, maar ik denk dat we op het punt staan dit te kunnen doen met de komende technologische vooruitgang.”
Behandeling
Een ander gebied waarop AI zijn waarde al bewijst, is het aanbieden van meer op maat gemaakte behandelingen. Anna Sala, een allergoloog die leiding geeft aan de innovatie-eenheid op de Vall d'Hebron Barcelona Hospital Campus, wijst op een Europees project genaamd TRUSTroke, gericht op het optimaliseren van de behandeling van beroertes. Het project heeft onlangs een succesvolle pilot afgerond, gecoördineerd in het Spaanse ziekenhuis.
Het systeem zal worden getraind met behulp van gegevens uit medische dossiers en andere informatie die door patiënten en zorgverleners wordt verstrekt via een mobiele app. Sala zegt dat het platform “alle factoren zal analyseren die verband houden met de pathologie, de patiënt en zijn omgeving”.
De resulterende informatie “zal betrouwbare richtlijnen bieden voor artsen, patiënten en zorgverleners om de behandeling zoveel mogelijk te personaliseren en risico’s en complicaties te voorkomen”.
Ze voegt eraan toe dat AI ook zijn waarde begint te tonen op het gebied van zeldzame ziekten, wijzend op een platform dat tot diagnoses is gekomen die zelfs artsen niet konden stellen nadat ze informatie kregen over de symptomen van patiënten en de medische geschiedenis.
Communicatie met patiënten
Tegelijkertijd helpt AI de interacties tussen gezondheidszorgteams en patiënten eenvoudiger en productiever te maken. Het kan bijvoorbeeld een tool aandrijven die het consult van een patiënt transcribeert, waardoor de arts oogcontact kan houden, in de wetenschap dat er een account wordt gegenereerd dat snel met de patiënt kan worden gedeeld.
Ambitieuzer is dat AI helpt bepalen wanneer patiënten een vervolgbezoek nodig hebben. Sala citeert een chatbot genaamd Lola, ook ontwikkeld in Vall d'Hebron met twee bedrijven, AstraZeneca en Tucuvi. Het biedt gepersonaliseerde tracking voor patiënten die lijden aan hartfalen en chronische obstructieve longziekte door degenen die een ziekenhuisbehandeling hebben gehad, te vragen op hun telefoon te reageren op een aantal vragen over hoe ze zich voelen en hun vermogen om dagelijkse taken uit te voeren.
Hun antwoorden worden naar de cloud gestuurd om door AI te worden geanalyseerd en als ze een reden tot bezorgdheid suggereren, wordt patiënten gevraagd een afspraak bij te wonen. Deze innovatie bespaart patiënten onnodige reizen en helpt ook het milieu, benadrukt Sala, door de ecologische voetafdruk te verkleinen.
Backoffice
Het vermogen van AI om de administratie te verbeteren trekt misschien niet de krantenkoppen, maar kan net zo transformatief zijn als meer opvallende ontwikkelingen op het gebied van screening en zorg voor patiënten, suggereert Heitmueller.
De meeste industrieën zijn nog niet begonnen met klantgerichte innovaties, benadrukt hij – daarbij verwijzend naar de advocatuur, die AI heeft gebruikt “om echt saaie, repetitieve processen zoals het doorzoeken van databases, enzovoort te automatiseren. Maar het lijkt erop dat we in de gezondheidszorg altijd beginnen met een gesprek over 'moeten we een AI-dokter hebben?' in plaats van 'hebben we onze backoffice daadwerkelijk geautomatiseerd?'”
In het Britse NHS-systeem voor de gezondheidszorg bestaat er in ieder geval misschien weinig stimulans om dit aspect van de operatie te verbeteren, erkent hij. “We hebben een jaarlijkse budgettering (dus) eventuele besparingen worden u ontnomen als u succes behaalt. . . en dus maakt het niet zoveel uit of AI iets te bieden heeft.” Maar geïntegreerde zorgsystemen in de VS zouden bijvoorbeeld kunnen profiteren van de technologie, suggereert hij.
Investeringen blijven echter een barrière. Ondanks het “enorme potentieel voor automatisering, is dit (dit gebied) niet waar de financiering ligt, en het is ook niet waar de aandacht ligt” op het gebied van de gezondheidszorg.
