AI in de medische wereld – verdwijnen de dokters?

Door: Milena Jancev

AI binnen het diagnostisch proces

Een paar maanden geleden was ik op een congres over nieuwe diabetestechnologieën in Berlijn. Hier werd ik gevraagd of ik even het nieuwe AI gestuurde “retinopathie” apparaat wilde uittesten. Dit apparaat maakt een fundusfoto en analyseert binnen enkele seconden of er sprake is van diabetische retinopathie. Ik ging zitten en het apparaat maakte de foto’s. En inderdaad het was zo gepiept – gelukkig niks aan de hand. Een minuut later heb ik zelfs mijn fundusfoto op een usb stick mee naar huis meegekregen – leuk voor boven m’n bed…

Dit is slechts 1 van de voorbeelden waarbij AI een mooie oplossing kan zijn als diagnosticum. Met een hoge sensitiviteit en specificiteit zouden dergelijke apparaten succesvol als diagnostisch middel ingezet kunnen worden. Zeker als het in de praktijk niet meer door specialistisch opgeleide mensen beoordeeld hoeft te worden, scheelt dit mankracht én tijd.

AI kan grote hoeveelheden medische gegevens analyseren en snel verbanden leggen tussen symptomen en mogelijke diagnoses. Recentelijk was er nog nieuws over twee 6^e klassers die hun profielwerkstuk hadden gewijd aan het ontwikkelen van een AI voor het diagnosticeren van longkanker. En ook voor het analyseren van ECG’s en het diagnosticeren van melanomen zijn er al AI-tools beschikbaar! Super handig.

Naast AI als ondersteunende tool voor het diagnostisch proces kan het ook ingezet worden binnen “het kader” personalised medicine.

AI voor personalised medicine

De juiste zorg op de juiste plek

Iedereen kent het wel: personalised medicine is naast “de juiste zorg op de juiste plek” en ”evidence based medicine” hét ding van de toekomst om de zorg betaalbaar, kwalitatief en toegankelijk te houden. Ook voor AI zou hierin een rol weggelegd kunnen zijn. Zoals al eerder benoemd, zou je AI kunnen inzetten om vanuit preventief oogpunt de zorg meer thuis te laten plaatsvinden. Oftewel, alleen als de patient iets mankeert, wordt er automatisch contact opgenomen met de dokter die op afstand kan bepalen met alle waarden of een ziekenhuisbezoek nodig is. En uiteraard indien nodig dat deze patiënt zo snel mogelijk terecht kan. Dit zou natuurlijk nog wel een paradigma shift vereisen. Want ons hele zorgsysteem (incl DBC/DOT structuur) is van oudsher ingericht op behandelen in plaats van voorkomen.

Hoe goed zal de behandeling aanslaan?

Zo zou je bijvoorbeeld op basis van wetenschappelijk onderzoek en data vanuit de praktijk een AI-model kunnen ontwikkelen dat je ondersteunt in het maken van behandelafwegingen. Oei, meneer Jansen heeft alweer een urineweginfectie. Geven we dit antibioticum eerst? Of toch die andere? Of in het geval van een gemetastaseerd carcinoom, welk chemotherapeuticum of immuuntherapie starten we?

Met organoids wordt er in de praktijk al echt stappen gezet om medicatie te testen op weefsels van de patiënt zelf, maar wellicht dat in de toekomst een AI-model op basis van jouw specifieke kenmerken en eventueel weefselkenmerken (staining?) al kan helpen om dit soort overwegingen te maken. Hiermee zou je kunnen voorkomen dat we onterecht duizenden euro’s spenderen aan medicatie die misschien niet eens effectief is voor de betreffende patiënt – helaas een paar keer gezien tijdens mijn coschappen…

Een digital twin

Wie weet laad je in de verre toekomst wel een “digital twin” in – een digitaal model van jouw biologische status – en wordt er op basis van je genetische info, voorgaande medicatie, allergieën etc. wel alvast een behandelsuggestie voor je gedaan door een AI model. In de praktijk zou dit bijvoorbeeld het invullen van eindeloze checklists kunnen schelen. Maar goed, dit is nog toekomstmuziek. Eerst maar eens een veilig alternatief voor de fax… 😉

AI toepassingen binnen medisch wetenschappelijk onderzoek

Als arts-onderzoeker heb ik me in mijn dagelijks werk wel eens afgevraagd waar AI zoal een rol in het medisch wetenschappelijk onderzoek zou kunnen spelen. Ik denk dat er meerdere mogelijkheden zijn. AI zou je misschien al kunnen integreren in de fase van patiëntselectie – wie nodig je uit voor deelname aan je studie? Laat AI maar het gehele elektronisch patiëntendossier (EPD) screenen op in- en exclusiecriteria. Of wie weet, als we zo ver zijn, niet alleen het eigen EPD maar ook die van ziekenhuizen of huisartsenpraktijken in de buurt waar een samenwerkingsverband mee is. In patiëntgebonden onderzoek zou AI wellicht handig kunnen zijn bij het uitvragen van bijv. kwaliteit van leven maar ook de zogenaamde adverse events – uiteraard met checks vanuit de artsen zelf.

En hoe zit het met literatuuronderzoek? Toevallig ben ik recentelijk getipt op het bestaan van een AI tool die je ondersteunt binnen het screenen van een grote hoeveelheid artikelen. Iedereen die wel eens een systematic review gedaan heeft, weet dat dit soms nog wel een aardige klus kan zijn. Hoe fijn is het als een AI model je alvast helpt in het selecteren van meer relevante artikelen? En de minder relevante pas op het laatst laat zien? Om heel eerlijk te zijn heb ik het nog niet aangedurfd. Ik merk om me heen dat er nog niet veel mee gewerkt is. Het zou natuurlijk jammer zijn als het artikel dan niet bij een journal geaccepteerd zou worden vanwege gebruik van zo’n tool. Nu nog een AI tool die je helpt met het ordenen van alle papieren voor medische studies. Dit zou niet alleen veel efficiëntie betekenen maar ook veel bomen kunnen schelen…

AI voor kwaliteit van zorg

Wachtlijsten

Mega lang wachten totdat je aan de beurt bent bij de arts? Of tijdens coronatijd, wie behandel je in tijden van schaarste? Je zou AI kunnen inzetten om zorgprocessen te optimaliseren of te ondersteunen bij het inschatten van urgentieniveaus en daarmee prioritering van zorg. Oftewel wie weet kunnen we dit proces van urgentieinschatting wel stroomlijnen. Dit kan handig zijn voor de OK schema’s in ziekenhuizen, maar ook voor huisartsenposten of SEH’s.

Van behandelen naar preventie

Dat we allemaal naar het ziekenhuis gaan voor zorg is niet langer de toekomst. En nee, ik mag hopen dat niet de huisartsen dan iedereen hoeven te zien. Maar hoe gaan we dan zorg leveren – Milena? Mijn verwachting is dat met de komst van apps waar AI in verwerkt is, zorg meer thuis plaats zal vinden. Denk aan slimme meters voor bijvoorbeeld de bloeddruk of het hartritme. En dat je alleen wanneer bijv. je smartwatch het aangeeft dat er sprake is van atriumfibrilleren, je preventief naar je arts gaat of een advies op afstand krijgt.

Dit scheelt personeel, tijd voor zowel arts als patiënt en simpelweg minder reisbewegingen. Bovendien zou men ook bijvoorbeeld minder grote ziekenhuisgebouwen nodig hebben – waar overigens soms onnodig nog veel lichten aan staan, maar dat is weer een andere discussie…

Conversationele AI

Wat al voorzichtig aan toegepast wordt met alle chatbots, zoals bij de grote webwinkels, zou men ook in de zorg kunnen implementeren. Wie weet heb je straks wel een AI assistent à la ChatGPT die verbonden is aan Thuisarts.nl of jou informeert over de laatste gynaecologie richtlijnen. Wie weet ondersteunt deze AI assistent de huisartsenassistent bijvoorbeeld wel… Wanneer jij een vraag stelt over je gezondheid zou zo’n assistent binnen enkele seconden met een antwoord/(vangnet)advies kunnen komen. Uiteraard moet je hier wel voldoende digitaal vaardig voor zijn.

Hebben we dan helemaal geen dokters meer nodig?

Dokter ChatGPT? Nee, wat mij betreft is dit niet realistisch. Het is altijd van belang de mens achter de patiënt te zien. Sommige dingen kunnen de doorgewinterde artsen al “ruiken” als iemand de spreekkamer binnenkomt. Zoals hierboven ook genoemd voor de implementatie van bepaalde AI modellen in de praktijk, moet men al een basaal niveau van digitale vaardigheden hebben. Je zult altijd groepen hebben die je derhalve beter kunt zien. Bovendien is AI simpelweg nog niet goed genoeg in “het menselijke aspect”; denk aan emoties etc.

Bias in = bias out

Uiteraard kleven er ook zeker nadelen aan AI an sich. AI is simpelweg niet perfect. Het AI model doet het met de dataset waarop je hem traint. Als daar al biases in zitten, levert dit ook weer biases als output op. Je wilt niet dat het AI model daarmee mensen van een bepaalde ethniciteit of sociaaleconomische status of andere kwetsbare groepen discrimineert. Kortom, een kritische houding is nog altijd geboden.

Een ander punt dat samenhangt met data is natuurlijk privacy. Als we inderdaad naar digital twins gaan of bereid zijn om onze genetische data te uploaden, dan willen we natuurlijk wel dat hier veilig en secuur mee omgegaan wordt. Tegelijkertijd is het wel zo fijn als de AI experts wel toegang kunnen krijgen tot onze geanonimiseerde data zodat ze de modellen kunnen ontwikkelen zonder dat dit achterlijk veel bureaucratie oplevert. De data infrastructuur moet hier idealiter op ingesteld zijn.

En uiteraard ook voor gebruik van AI modellen in de praktijk: Dergelijke modellen moeten getest en gevalideerd worden. En belangrijk, er moet oog zijn voor de implementatie! Want wat we met z’n allen moeten voorkomen is dat als we straks met 1 op de 4 mensen in de zorg werken, we deze belangrijke mensen niet moeten overbelasten met nóg meer bureaucratie of onzinnige apps.

Zijn we er al klaar voor?

Digitale infrastructuur

Ik zie om me heen al enkele artsen en ziekenhuizen openstaan voor dergelijke ontwikkelingen. Het begint voorzichtig aan op gang te komen. Tegelijkertijd zijn we er nog lang niet. Voor AI modellen heb je gewoon veel en goede data nodig. En met de huidige digitale infrastructuur – met sommige EPDs gebouwd op structuren uit de jaren 90 is dit mijns inziens nog niet optimaal. Ik kijk positief uit naar de impact van de Wegiz om het uitwisselen van data mogelijk te maken en verplicht te stellen omdat dit hopelijk resulteert in een betere digitale infrastructuur en daarmee een betere fundering voor nieuwe AI modellen. Minister Kuipers heeft hier ook recentelijk een actieplan over uitgebracht. Hoewel de strekking positief is, is het mijns inziens altijd maar afwachten hoe snel we dit ook daadwerkelijk in de praktijk terug zullen zien.

Digitale reuzen

Mijn verwachting is dat vanuit ziekenhuizen en zorginstellingen steeds meer de samenwerking gezocht wordt met de grote tech reuzen. Op het moment van schrijven worden bij mijn weten ongeveer alleen Microsoft producten gebruikt ivm AVG richtlijnen. Echter goede cloud oplossingen zoals door Microsoft maar ook door Google of Amazon AWS zullen nodig zijn in de toekomst. Gebruik van dit soort diensten dient natuurlijk goed te worden getoetst op gebruiksgemak, privacy etc. Ik hoop vooral dat dergelijke samenwerkingen zorgen voor ontzorging, flexibiliteit en schaalbaarheid en niet voor hoge kosten met vervelende wurgcontracten of juist meer onnodig werk opleveren.

En Apple? Ik verwacht dat Apple meer zelfstandig zal opereren, denk aan meer health (coaching) apps of wie weet zelfs een non-invasieve glucosemonitor. Maar goed zeg nooit nooit, Apple doet flink haar best zich in de haarvaten van de samenleving te integreren.

Niet nog meer bureaucratie

Op dit moment worden er voorzichtig stapjes in de richting van AI gemaakt. Ziekenhuisbesturen zijn geïnteresseerd. Toch denk ik dat men zich eerst vertrouwd moet maken met het werken in de cloud en de data infrastructuur – inclusief het EPD – moet optimaliseren. Want tsja, uit eigen ervaring heb ik gemerkt dat een update naar Windows 10 al een uitdaging is… Bovendien zal nog lang niet iedere arts of zorgprofessional om zijn… En logisch ook. We moeten kritisch zijn op de data die we ons AI model voeden (met het oog op privacy en biases), maar ook welke AI modellen we toelaten in ons dagelijks klinisch werk. Het moet mijns inziens aansluiten bij de vraagstukken die we hebben en het werk makkelijker of efficiënter maken. Alleen dan kunnen AI modellen in een wereld waarin we een tekort aan personeel hebben in de zorg ook echt iets bijdragen.

PS De eerste alinea is mede geschreven door ChatGPT. Heb je vragen of opmerkingen over deze blog? Dan zijn we bereikbaar via Instagram @Tentamenbaas.nl

Deel deze blog via onderstaande knoppen: