Het UMC Utrecht experimenteert op veel vlakken met het toepassen van kunstmatige intelligentie (artificial intelligence ofwel AI). Hoewel duidelijke ontwikkelingen te zien zijn in radiologie en dermatologie, vallen de resultaten over het algemeen tegen. Dat heeft vooral te maken met de mens. ‘Ons complexe DNA zit in de weg’, aldus Corné Mulders, CIO van het UMC Utrecht. Om AI op de korte termijn een kans van slagen te geven, denkt Teus Kappen, CSIO en associate professor, dat de focus vooral moet liggen op het snijvlak tussen mens en computer.
‘We zijn met AI op veel terreinen aan het experimenteren, maar de daadwerkelijke toepassing is ingewikkeld’, vertelt Corné Mulders, CIO bij het UMC Utrecht. ‘We zijn verder met beeldtechnologie bij radiologie. De technologie helpt de radiologen de röntgenfoto’s te analyseren. Dat geldt ook voor dermatologie waar huidkankervlekken worden herkend. AI begint het daar overigens vrijwel net zo goed te worden als de beste dermatoloog.’
Corné Mulders
Met zoveel variabelen heeft AI het moeilijk
Maar de toepassingsgebieden zijn nog beperkt en Mulders is dan ook gematigd positief in de voortgang. ‘Je ziet dat AI werkt als je veel beelden beschikbaar hebt waarmee de computer kan werken, maar een diagnose stellen voor een patiënt met vage buikklachten is nog veel te ingewikkeld voor AI. De DNA van de mens maakt voorspellen te ingewikkeld. Je hebt zoveel variabelen in je lijf waarvan we zelf nog onvoldoende weten.’
Ook Teus Kappen, CSIO en associate professor bij het UMC Utrecht, is sceptisch over de huidige toepassing van AI in de zorg. Volgens hem worden ook vaak modellen ontwikkeld om te kijken of ze nauwkeurig zijn, terwijl daar nog een vraag aan vooraf zou moeten gaan, namelijk de waarom vraag. ‘Als voorbeeld, het model dat Google ontwikkelde om te bepalen welke kans iemand heeft dat hij in het ziekenhuis overlijdt nadat hij al 24 uur in het ziekenhuis is opgenomen.’
Wat heb ik aan die informatie?
‘Natuurlijk, het was een conceptuele exercitie, maar de vraag blijft nog steeds: waarom wil je weten welke kans iemand heeft om in het ziekenhuis te overlijden? Wat heb ik aan die informatie? Misschien zou ik kunnen bepalen wie er naar de IC gaat? Maar op welk moment dan, want dit model is alleen bedoeld voor iemand die precies één dag in het ziekenhuis is. En kun je het tij nog keren? Want een deel van de mensen is zo ziek dat de kans op genezing nihil is. Dan is opname op de IC vaak niet zinvol meer. Wat kan je dan precies met zo’n kans?’
Het is natuurlijk een zwaarbeladen onderwerp waar velen niet over na willen denken. Maar het is wél een duidelijk voorbeeld dat bij het ontwikkelen van AI-modellen vaak met de verkeerde vraag wordt begonnen, namelijk bij de vraag of je het model kunt maken en niet waarom je het model zou willen gebruiken. Maar het voorbeeld geeft ook aan dat het idee dat beslissingen kunnen worden genomen op basis van één model, met beperkte inzichten, voorlopig onhaalbaar is.
Beslissingen ondersteunen met voorspellende informatie: werkt dat?
Kappen moet bekennen dat hij in zijn eigen promotieonderzoek ontdekte dat ook hij de waan van alledag onderschatte. ‘Ik heb onderzoek gedaan naar misselijkheid en braken die na een operatie optreedt. Ik heb niet een model ontwikkeld, maar een bestaand model gebruikt om beslissingen van artsen om medicamenten te geven te ondersteunen. Het opmerkelijke: in het onderzoek waaraan 12.000 mensen meededen zag ik nauwelijks verschil.’
‘Er zijn meerdere redenen te definiëren waarom bij de controlegroep net zoveel mensen misselijk werden als bij de onderzoeksgroep: het kan aan het medicamenten liggen, aan het model of aan de artsen, en of ze wel of niet het model hadden gebruikt om zich te laten informeren. Daarom deden we een tweede onderzoek, waarbij de onderzoeksgroep een stoplicht te zien kreeg om duidelijker advies te geven over het geven van medicamenten, in plaats van alleen de kans op misselijkheid en braken. We zagen nu wel dat het hielp, maar nog steeds niet echt overweldigend.’
Informatie in context plaatsen
‘Ik heb naderhand artsen bevraagd en het blijkt dat ze met zoveel meer aspecten rekening moesten houden en niet precies wisten hoe ze het advies moesten interpreteren dat ze het niet wilden of konden opvolgen.’ De werkelijkheid is, met andere woorden, weerbarstiger en informatie moet altijd in de context geplaatst worden. ‘We moeten ons dus eigenlijk meer focussen op de vraag hoe mens en computer samen kunnen werken’, aldus Kappen.
Kappen en Mulders zijn misschien sceptisch over AI in het hier en nu, maar als toekomstmuziek klinkt het zeker. Maar stel dat AI-diagnoses kan gaan stellen, welke rol speelt de mens dan nog in het ziekenhuis? Mulders: ‘We hebben intern een discussie gehad over de vraag: wil je als patiënt de diagnose straks krijgen van een AI-achtig systeem of van een arts? Hoewel sommigen denken dat AI de eerste diagnose zou moeten geven, denkt de meerderheid dat de patiënt een voorkeur zal hebben voor de arts.
Hoe IT echt voor de zorg zou kunnen werken
Kappen denkt dat het nog wel even duurt voordat AI echt zover is dat het volledig zelfstandig diagnoses kan gaan stellen en kijkt dan ook liever naar de kortere termijn. Hij neemt daarbij voorbeeld aan het Amerikaanse academisch ziekenhuis Vanderbilt University Medical Center in Nashville, Tennessee. ‘Zij hebben hun technologie goed op orde en spelen goed in op laaghangend fruit. Ze automatiseren simpele processen waar patiënten en zorgverleners direct wat aan hebben.’
Een voorbeeld zijn de gepersonaliseerde planningen die artsen en verpleegkundigen dagelijks ontvangen, waarbij ze direct informatie ontvangen over relevante protocollen. Een ander voorbeeld is de communicatie over operaties van zwangere vrouwen die niet met de zwangerschap te maken hebben. ‘De obstetrische anesthesie fellows daar willen graag bij de operaties aanwezig zijn, maar waren meestal pas last minute op de hoogte.’
Tijd kunnen nemen betekent dat ze hun zaken goed op orde hebben
‘Vanwege de late berichtgeving konden de fellows vaak niet meer wisselen in de planning. En dus werden de businessanalisten gevraagd om een e-mailnotificatie op te zetten die twee dagen voor de operatie verstuurd zou worden. Dat ze daar tijd voor nemen om dat te programmeren en ze dat ook binnen no-time klaar hadden, betekent dat het ziekenhuis hun zaken op orde heeft. Dat het systeem goed is ingericht.’
Eén van de ontwikkelingen binnen het UMC Utrecht is het samenbrengen van alle data uit het hele IT-landschap van het ziekenhuis, vertelt Mulders. ‘Om onderzoekers hun werk te laten doen, hebben ze veel data nodig. Wij brengen dat nu gestandaardiseerd, veilig bij elkaar, zodat zorgverleners en onderzoekers toepassingen kunnen creëren die wij als IT niet kunnen bedenken. Om de samenwerking met andere instituten goed te faciliteren hebben we met de UMCs een veilig cloud research platform gemaakt.
In het zorgproces is nog zoveel onduidelijk
Het moet duidelijk gesteld worden: Kappen en Mulders zijn niet sceptisch over AI in het algemeen, maar vooral over de hype en de mogelijkheden die het vandaag de dag biedt. Kappen: ‘AI heeft ons verrast met het schaken tegen de mens. Dat komt omdat de computer beter is in afgebakende situaties, maar in het zorgproces is nog zoveel onduidelijk. Heeft de patiënt alle details wel verteld? Klopt die uitslag wel? Dan is het herkennen van een patroon ook door een computer niet te doen.’
‘De focus zou te allen tijde moeten liggen op de vraag hoe we AI toepasbaar maken in de werkelijkheid’, aldus Kappen. ‘De meeste meerwaarde zit ‘m nu in hoe de mens en AI kunnen samenwerken en welke informatie daadwerkelijk toegevoegde waarde biedt in de dagelijkse praktijk.’ Mulders vult aan: ‘De technologie zit ons niet in de weg, maar geneeskunde is niet alleen feitelijk. Er zal altijd een arts zijn die met de mens, de patiënt praat.’
Zie ook
