In de zorg is ai in opkomst. Er zijn steeds meer toepassingen, bijvoorbeeld voor beeldanalyse bij oncologie en een slimme pleister die de patiënt monitort en aangeeft wanneer de situatie gevaarlijk snel achteruitgaat. Maar er zijn ook gebieden die achterblijven, zoals de geestelijke gezondheidszorg (ggz). Daar staan grote verschillen in dossiervorming data-analyse in de weg.
Dat concluderen experts en zorgprofessionals tijdens het online-seminar ‘Hoe draagt ai bij aan een betere zorg?’ die tijdens de Dutch Health Week vanuit de Jaarbeurs werd gestreamd. Tijdens dat evenement spraken betrokkenen over de huidige stand van zaken rondom ai in de zorg. Frederieke Jacobs (Smart Health), Joost Morssinkhof (Elisabeth-Tweesteden Ziekenhuis), Joran Lokkerbol (Trimbos), Margot de Waal-Verheijen (Elisabeth-Tweesteden Ziekenhuis), Pieter Jeekel (Nederlandse AI Coalitie) en presentatrice Sabine Uitslag behandelden vragen als hoe zetten zorgorganisaties ai in, wat zijn toepassingen en welke vakgebieden gaan voorop?
Binnen de Nederlandse zorg zijn er vooral veel ai-activiteiten op het vlak van beeldvormend onderzoek. Bijvoorbeeld binnen de specialismen oncologie, radiologie en pathologie (onderzoek naar weefsel). Specialisten worden bij het stellen van een diagnose steeds vaker geholpen door ai-toepassingen die bijvoorbeeld mri-, en röntgen-scans analyseren.
Toch is er ook op dat gebied nog veel te verbeteren. Een grootschalige uitwisseling van datamodellen en algoritmen moet nog op gang komen. Datamodellen en algoritmen worden namelijk nog niet gedeeld tussen verschillende ziekenhuizen. Er lopen pilots maar om te komen tot langdurige gestructureerde uitwisseling zijn er dus nog flinke stappen te zetten. Bijvoorbeeld over afspraken en contracten, stelt Pieter Jeekel van de Nederlandse AI Coalitie. Zijn organisatie wil ai-projecten versnellen en verbeteren door duidelijke afspraken en contracten tussen de betrokkenen zorgverleners, verzekeraars en patiënten op te stellen.
Slimme pleister
Een andere ai-toepassing uit de praktijk die aan bod komt, is de slimme pleister. Die plakker met sensoren die op de borst van de patiënt wordt geplaatst, meet continu de hartslag, temperatuur en ademhalingsfrequentie. Die waarden worden automatisch en op afstand in het elektronisch patiëntendossier verwerkt. Normaal worden die waarden drie keer per dag gemeten en verwerkt en ontstaat pas binnen een bepaald tijdsbestek een beeld van de ontwikkeling van de patiënt. Met de slimme pleister is veel meer en vaker data te verzamelen. Met een bijbehorend rekenmodel kunnen artsen het risico op een fatale achteruitgang van de conditie van de patiënt voorspellen. Bijvoorbeeld als er een kans is op een hartaanval. Er kan dan eerder worden ingegrepen, vertelt Margot de Waal-Verheijen, cmio van het Elisabeth-Tweesteden Ziekenhuis in Tilburg.
Corona
Joost Morssinkhof, organisatorisch hoofd van de longgeneeskunde in het Tilburgse Elisabeth-TweeSteden Ziekenhuis, licht toe dat corona de mogelijkheden heeft versneld om met ai aan de slag te gaan. Hij wijst op de toepassing van de slimme pleister.
Tijdens de uitbraak van corona begin 2020 vormde Tilburg het epicentrum van coronabesmettingen in Nederland. Het ziekenhuis zag in korte tijd veel patiënten binnenstromen en besloot versneld de inzet van de slimme pleister in te voeren. Er liep al een pilot, maar omdat de handen van verplegend personeel nodig waren voor patiëntzorg gaf de directie toestemming om de slimme pleister breed in te zetten om de druk op het personeel te verminderen en patiënten extra te bewaken.
Dat ging niet zomaar. Eerst moest het algoritme getraind worden. Het duurde drie maanden voordat per patiëntgroep voldoende data was geanalyseerd om conclusies te kunnen trekken. In het epd zat al een voorspellend model, maar dit was niet gevalideerd voor de Nederlandse markt. Het epd is namelijk van Amerikaanse makelij (Epic) en de algoritmen zijn dus gebouwd op een andere gemiddelde patiëntenpopulatie dan in Nederland. Het was dus wachten op betrouwbare Nederlandse data voordat dit model in Tilburg was in te zetten, vertelt Morssinkhof.
Ggz
Er zijn plekken die vooropgaan en er zijn achterblijvers op het gebied van ai in de zorg. Een voorbeeld van die laatste groep is de geestelijke gezondheidszorg (ggz).
Joran Lokkerbol, datawetenschapper bij Trimbos, loopt er tegenaan dat de datakwaliteit nog onvoldoende is voor het bouwen van ai-modellen voor data-analyse. Hij onderzocht of het mogelijk was om het sentiment van patiënten te monitoren op basis van verslagen en zo bijvoorbeeld de kans op een terugval of een depressie te voorspellen.
Hij trof een data-infrastructuur aan die voldoende geordend is voor de financiële verantwoording, maar niet voor het volgen van de cliënt. Door de grote verschillen in zowel dossiervorming als het documenteren van notities en het gebruik van terminologie door behandelaren is het op dit moment niet mogelijk om data-analyse en ai in te zetten in de ggz, is zijn inzicht.
Regelgeving
Ook komt ter tafel of regelgeving het gebruik van ai in de zorg niet te veel in de weg staat. Veel zorginstellingen vragen zich bijvoorbeeld af of ze voor bepaalde onderzoeken wel data mogen delen.
Pieter Jeekel (AI Coalitie) legt uit dat er ook manieren zijn om de uitwisseling van data te omzeilen en toch ai in te kunnen zetten. Bijvoorbeeld door algoritmen uit te wisselen zonder dat de ziekenhuizen ook de data van patiënten delen. Door de data en de rekenmodellen los te koppelen. Zo is er vaak meer uitwisseling mogelijk dan partijen in eerste instantie denken.
Ook wijst Jeekel op de mogelijkheden om met synthetische data algoritmen te valideren. Door die testdata hoeft er in dat proces geen patiëntdata te worden gebruikt. Hij noemde ook de Elsa Labs (Ethical legal and societal aspects), waar de ethische, juridische en maatschappelijke kant van data wetenschap en ai leidend zijn. Bedrijven en overheden kunnen er vanuit die grondbeginselen ai-toepassingen testen.
Google en Amazon
Ook de zorg- en ai-toepassingen van Google en Amazon kwamen ter sprake. Die techreuzen komen met allerlei apps voor het meten van de gezondheid op de markt. Volgens Jeekel is de vraag van patiënten en behandelaars wat die techreuzen met de data doen een valide vraag. Ai mag geen doos van Pandora worden, vinden de aanwezigen.
Joost Morssinkhof voegt toe dat het potentieel van data en ai beter uitgelegd en gerapporteerd moet worden. Hij vergelijkt die nieuwe ontwikkeling met de introductie van elektrische bloeddrukmeters. Eerst waren artsen ook argwanend en gingen ze extra meten met het oude apparaat omdat ze het nieuwe niet vertrouwden. Nadat ze zagen dat de nieuwe technologie werkte, stopte de argwaan.
Voor zorgaanbieders die willen beginnen met ai, hebben de deelnemers nog wat tips. Ga eerst na wat de potentie van data is. Welke informatie er beschikbaar is om betere keuzes te maken voor patiënten en hoe die data is te ontsluiten. Nu wordt nog maar vijf procent van die data gebruikt. Naast die eerste bouwstenen voor ai-toepassingen in de zorg wijzen ze erop om patiënten actief mee te nemen in ai-plannen en zorgverleners en de directe resultaten te tonen. Volgens de deelnemers zijn tot het jaar 2025 preventie, ziekenhuiszorg en de eerste lijn, de richtpunten van ai in de zorg.
