De futurist
‘Het is niet een kwestie van kopen en klaar’
Peter Joosten is futurist en toekomstonderzoeker. Hij geeft lezingen, workshops en advies in de zorg over de invloed van technologische innovaties en hoe daarop te anticiperen. Als het gaat om AI beschrijft hij vier belangrijke modaliteiten. De eerste en meest ontwikkelde is beeldanalyse, waarvan vooral radiologen en pathologen al gebruik maken. ‘Hierbij zie je duidelijke voordelen van AI ten opzichte van mensen’, zegt Joosten. ‘Het vergelijken met een mri-scan van een jaar geleden is voor een algoritme bijvoorbeeld erg makkelijk. Een andere vorm gaat over het gebruik van data. Intensive care-afdelingen werken daar al concreet mee. Ze gebruiken applicaties die het risico op een infectie inschatten of aangeven hoe veilig het is dat de patiënt de IC verlaat.’
De derde toepassingsvorm die veel zorgprofessionals al gebruiken is spraakanalyse. Het zet ingesproken tekst automatisch om in een gestructureerde rapportage die aan het elektronisch cliëntendossier kan worden toegevoegd. Joosten: ‘Data, beeld en spraak zijn de drie grote AI-toepassingen in de zorg. De vierde ligt op het vlak van bedrijfsvoering. Daarbij kun je denken aan algoritmes die de medische administratie helpen bij het coderen.’
Voelbare urgentie
De mate waarin AI in de zorg wordt toegepast, verschilt volgens Joosten nogal per organisatie en vakgebied. Maar de ontwikkelingen gaan snel en overal in de zorg wordt de urgentie gevoeld. ‘De zorg zoals we die nu hebben ingericht, is met de toenemende vergrijzing en personeelstekorten niet langer houdbaar. Willen we de kwaliteit van zorg behouden en de kosten enigszins binnen de perken houden, dan moeten we wel AI-technologie gebruiken.’
In het UMCG en het Elisabeth-TweeSteden Ziekenhuis draait een project dat vaak als voorloper wordt genoemd. ChatGPT is hier aan het EPD gekoppeld en formuleert al een eerste antwoord bij vragen van patiënten. De projectleider vertelde Joosten dat artsen en verpleegkundigen ongeveer 30% van hun tijd bezig zijn met administratieve handelingen. ‘Als je per dag één uur efficiencywinst behaalt, waardoor ze aan het bed kunnen staan in plaats van achter de laptop, dan levert dat natuurlijk veel op’, zegt Joosten. ‘Dit soort toepassingen gaan we steeds vaker zien in de zorg. Veel contacten met zorgverleners lenen zich er prima voor. Ik denk dat de meeste patiënten wel begrijpen dat het tijd, geld en menskracht scheelt. Bovendien zijn we allemaal al gewend aan chatbots, zoals Billy van Bol.’
Overspoeld door toepassingen
Sommige zorgprofessionals zijn volgens Joosten nog wat terughoudend. Zij vrezen dat menselijk contact tussen patiënt en zorgverlener naar de achtergrond verdwijnt. Tegelijkertijd spreekt hij veel artsen die AI nu al als onderdeel van hun werk beschouwen. Zij vragen zich echter af hoe ze tijd vrijmaken voor de juiste afwegingen en implementatie. ‘Dat begrijp ik goed, want je moet AI wel vanuit visie en strategie inzetten. Het is niet een kwestie van kopen en klaar. Het vraagt ook om onderhoud en kwaliteitscontroles. Mentaal zijn veel artsen er denk ik wel klaar voor, maar er moet veel gebeuren voor je echt met AI aan de slag kan.’
Recent was Joosten nog op de ICT-afdeling van een ziekenhuis. Hij zag er veel enthousiasme, maar ook de constatering dat er wel erg veel op hen afkomt. Ze worden overspoeld door AI-toepassingen, terwijl in de randvoorwaarden nog veel geregeld moet worden. ‘Denk aan informatieveiligheid, het verwerken van patiëntgegevens en de nieuwe AI Act van de EU. Zeker aan de privacyaspecten zitten nogal wat haken en ogen.’
Met gezond verstand
Joosten verwacht dat het niet lang duurt voor alle zorgprofessionals met AI-toepassingen te maken krijgen. Zelfs groepen die vooral met hun handen werken, zoals fysiotherapeuten, gebruiken het al in beslisondersteuning en bij het opstellen van behandelplannen. AI ontwikkelt zich in hoog tempo en gaat het werken in de zorg veranderen. ‘De meeste zorgverleners hebben weinig tijd om daarbij stil te staan. In mijn workshops en lezingen nodig ik hen uit om even de oogkleppen af te doen en vooruit te blikken op wat er op hen afkomt. Ik zeg altijd: zorg dat je op de hoogte bent van AI-ontwikkelingen en experimenteer ermee met gezond verstand. Dan leer je het beste wat wel en niet werkt. Als het experiment succesvol is, dan maak je een businesscase. Wat kost het qua onderhoud, wat levert het onder de streep op?’
De toekomst
Volgens Joosten zijn er enkele opvallende trends. Hij noemt de ontwikkeling van grote taalmodellen. Google heeft al een taalmodel, getraind op medische data en literatuur, dat sommige Amerikaanse ziekenhuizen inmiddels gebruiken. De toekomstonderzoeker verwacht de komende jaren veel meer van dit soort modellen die medische diagnostiek en behandeling ondersteunen. Dat past ook uitstekend in de trend van meer zelfzorg, zelfregie en preventie. Op basis van een online symptoomchecker of zelfgemeten waarden zullen AI-applicaties patiënten steeds vaker van advies voorzien. Een bekend voorbeeld is de app die zelfgemaakte foto’s van vlekjes op de huid beoordeelt en aangeeft of bezoek aan een arts gewenst is.
Joosten: ‘Er wordt vaak naar de zorg gewezen dat zij achterlopen, maar in dit geval gaan ze vrij hard. Dat heeft onder meer te maken met het feit dat het een bijzonder interessante markt is. Iedereen krijgt in zijn leven met zorg te maken, het gaat om grote aantallen. Hier valt geld te halen. Daarom richten grote techbedrijven zich in toenemende mate op de zorg. Zij zijn goed met algoritmes en beschikken over veel data. Daar ligt natuurlijk ook meteen een risico. Google beschikt over een angstwekkende hoeveelheid data van mensen. ByteDance – van TikTok – heeft een ziekenhuis in China gekocht. Amazon levert al supplementen en medicatie. Krijgen we ooit in Nederland een Amazon ziekenhuis? Willen we dat? Over dit soort ethische vragen zal het ook moeten gaan de komende jaren.’
De hoogleraar
‘Dan komt de keuze naar voren: je doet het niet of je doet het met AI’
Nog geen jaar geleden werd Geert Litjens benoemd tot hoogleraar Al voor analyse van medische beelden in de pathologie en radiologie. Binnen het Radboudumc / de Radboud universiteit houdt een groep van ongeveer zeventig mensen zich bezig met AI van medische beelden. De onderzoeksgroep van Litjens bestaat uit veertien wetenschappers. Zij onderzoeken en ontwikkelen AI-toepassingen voor radiologie en pathologie afzonderlijk, maar juist ook waar deze samenkomen. ‘Dat is uniek’, zegt de jonge hoogleraar. ‘Meestal beoordeelt een radioloog eerst de gemaakte beelden, waarna bijvoorbeeld een biopt wordt genomen dat de patholoog onderzoekt. De specialismen zijn complementair aan elkaar en als je ze combineert kom je tot betere diagnostiek.’
Prostaatkanker
Een deel van de onderzoekers richt zich op prostaatkanker, een ziekte die twaalf- tot dertienduizend mensen per jaar treft. Jaarlijks overlijden ongeveer 2500 mannen aan prostaatkanker, wat betekent dat er tienduizend aan iets anders overlijden. ‘Daar zitten twee belangrijke vragen in’, zegt Litjens. ‘Hoe zorg je dat die tienduizend mensen zo minimaal mogelijk behandeld worden, want de bijwerkingen van behandeling, zoals incontinentie en impotentie, zijn vervelend. Voor de groep die wel overlijdt, is de vraag of je andere behandelkeuzes had moeten maken. Wij integreren de kennis van radiologie en pathologie om een completer beeld te krijgen. Je kan artsen niet eerst opleiden tot radioloog, daarna tot patholoog en liefst ook nog tot uroloog, maar die limitaties gelden voor AI natuurlijk niet.’
Litjens legt uit dat veel patiënten een laaggradige prostaatkanker hebben die niet direct geopereerd hoeft te worden. Zij komen in een active surveillance programma en krijgen jaarlijks een scan. ‘De informatie uit die scan combineren we nu met de informatie die we uit het eerste biopt hebben, samen met informatie zoals bloedwaarden, bmi en leeftijd van de patiënt. Ons AI-model kan beter inschatten of de verandering op de beelden aanleiding geeft tot operatie.’
Wat artsen niet kunnen
Wat kunnen AI-algoritmes wat slimme artsen niet kunnen? ‘Ze kunnen simpele taken uitvoeren, die artsen zelf ook wel kunnen, maar waarmee we kostbare tijd van zorgprofessionals vrijmaken’, antwoordt Litjens. ‘AI kan ook dingen vinden die artsen onmogelijk uit medische data of beelden kunnen halen, of die niet realistisch zijn gezien de werkdruk. Pathologen moeten bij verdenking op kanker bijvoorbeeld het aantal delende cellen inschatten. In een stukje weefsel zitten tientallen miljoenen cellen, die ze onmogelijk allemaal kunnen tellen. Daarom selecteren ze een klein gebied. Computers kunnen 24 uur per dag tellen, zijn snel, accuraat en worden nooit moe. Met AI kun je die tien miljoen cellen dus wel beoordelen en dat leidt in potentie tot betere behandeling.’
Ons visuele systeem is goed in sommige dingen, maar slecht in andere, vertelt Litjens. Mensen kunnen uitstekend patronen herkennen, bijvoorbeeld dat er appels in een boom hangen. ‘Maar als ik jou vraag het aantal appels in de boom te tellen, of de afstand tussen de appels aan te geven, zal je dat niet lukken. En dat zijn dingen die computers nu juist wel heel goed kunnen. Hier gaan we in de pathologie en radiologie steeds vaker gebruik van maken.’
Borstkankerscreening
In Nederland lopen op dit moment drie screeningsprogramma’s: voor borstkanker, darmkanker en baarmoederhalskanker. De EU wil daar screening op longkanker en prostaatkanker aan toevoegen. Litjens: ‘Dat is technisch zeker haalbaar, het probleem is dat we er de mensen niet voor hebben. Dan komt de keuze naar voren: je doet het niet, of je doet het met AI.’
In dit kader is recent Zweeds onderzoek interessant. Bij borstkankerscreening bekijken normaal gesproken twee verschillende radiologen de beelden. Dit onderzoek verving de tweede beoordeling door een AI-systeem. In een groep van vijftigduizend vrouwen vonden ze twintig procent meer kankers, zonder toename van het aantal fout-positieve bevindingen. Litjens: ‘Dat was een heel mooie uitslag, omdat het zowel kwaliteitswinst als efficiencywinst oplevert. Ook in Nederland hebben sommige ziekenhuizen dit AI-systeem in huis. Er is nog geen landelijk beleid; ieder ziekenhuis beslist zelf op welke manier ze het inzetten. Het lijkt mij verstandig daar op beleidsniveau meer afspraken over te maken, bijvoorbeeld hoe we het breed kunnen toepassen en wie het gaat betalen.’
Vertrouwen groeit
Hoewel de meeste AI-producten officieel worden aangeboden als ondersteunend, ziet Litjens in de praktijk al dat sommige toepassingen het werk van artsen vervangen. ‘Er is AI-software die de skeletleeftijd van kinderen bepaalt aan de hand van een röntgenfoto. Uit onderzoek blijkt dat ongeveer veertig procent van de radiologen niet meer zelf naar de beelden kijkt. Dit systeem werkt zo goed dat artsen er volledig op vertrouwen.’ Veel AI-systemen zijn nu nog van de eerste generatie, maar zullen zich in de komende jaren in rap tempo verder ontwikkelen. Het vertrouwen van artsen, maar ook van patiënten, zal snel toenemen. Als simpel voorbeeld noemt Litjens de nasal swabs die we massaal tijdens COVID lieten doen. ‘Die werden allemaal door machines beoordeeld. We vertrouwden er allemaal op dat de machine een juiste uitslag gaf.’
Litjens verwacht dat binnen vijf tot tien jaar vrijwel alle diagnostiek in de zorg van AI gebruikmaakt. Hij wijst wel op enkele bepalende factoren, zoals acceptatie van de bevolking. ‘Onderzoek liet zien dat mensen nu nog kiezen voor beoordeling door een arts als je hen voorlegt wie hun beelden moet beoordelen: het betere AI-systeem of een arts. Ik vermoed dat patiënten er ook moeite mee hebben als een AI-systeem “zegt” dat ze op basis van het algoritme geen behandeling krijgen.’
Maatschappelijke discussie
Litjens pleit voor meer gezamenlijk beleid op nationaal, of zelfs EU-niveau. Samen met duidelijke afspraken over financiering kan dit de drempel voor veel zorginstellingen om met AI aan de slag te gaan, verlagen. ‘Daarnaast is het volgens mij belangrijk dat we een brede maatschappelijke discussie voeren over wat we wel en niet willen. In de nieuwe EU Act staan een aantal dingen die we zeker niet willen, maar die discussie moet breder. De overheid is nu te afwachtend en zou pro-actiever met deze materie om moeten gaan.’
Ook voor kwaliteitsmanagers heeft Litjens tot slot nog een boodschap. ‘AI-systemen worden meegenomen in kwaliteitsmonitoring en certificering. Denk op tijd na over de invloed van AI-toepassingen op het kwaliteitssysteem in je organisatie.’
De ontwikkelaars
‘Om een goed AI-model te bouwen, heb je veel data nodig’
Ongeveer twaalf jaar geleden werd het Netherlands eScience Center opgericht door SURF, een coöperatie van onderwijs- en onderzoeksinstellingen, en de Nederlandse Organisatie voor Wetenschappelijk Onderzoek NWO. Doel is hoge kwaliteit software beschikbaar te maken voor onderzoekers en het gebruik ervan te stimuleren. Er werken ongeveer honderd slimme koppen. Michiel Punt leidt de sectie Life Sciences. ‘De vraag van onderzoekers is groot’, vertelt hij, ‘we krijgen veel meer verzoeken dan dat we aankunnen. Die verzoeken lopen uiteen van software voor federated learning, tot modellen om het gedrag van muizen te analyseren of AI-algoritmen om medische beelden te analyseren. Inmiddels zie je in bijna elk onderzoeksvoorstel een AI-component terug. De verzoeken komen vooral van onderzoeksgroepen, universiteiten en universitair medische centra.’
Digitale tweeling
Een van de onderzoekers binnen de sectie Life Sciences is Héctor Cadavid. Hij werkt aan het project MyDigiTwin voor een consortium waar onder meer de Hartstichting en Universitair Medisch Centrum Groningen deel van uitmaken. Cadavid bouwt de infrastructuur voor de ontwikkeling van AI-algoritmen. De resultaten van deze algoritmen komen op het DigiTwin-platform waarop mensen straks hun eigen data kunnen vergelijken met een digitale tweeling. Het zal aangeven welke kans je hebt op een hart- en vaatziekte, wat mogelijk helpt om voor een gezondere leefstijl te kiezen.
‘Om een goed model te bouwen, heb je veel data nodig’, legt Cadavid uit. ‘Hoe meer kwalitatief goede data om een model te trainen, hoe hoger de voorspellende waarde ervan. Nu gaat het in dit project om gevoelige gezondheidsdata, die op verschillende plekken zijn opgeslagen. Vanwege onder meer privacywetgeving mag je die data niet zomaar kopiëren of verplaatsen.’ Dit is waar de nieuwe techniek federated learning aan de orde komt. In plaats van gezondheidsdata te extraheren vanaf verschillende locaties naar een centrale locatie, sturen Cadavid en zijn collega’s het AI-algoritme naar de data toe. ‘Het algoritme doet daar zijn werk en haalt de resultaten terug. Met die resultaten ontwikkelen we het algoritme verder. Op deze manier bouwen we het model voor MyDigiTwin.’
Veel toepassingen
Dit soort DigiTwins gaan bijvoorbeeld in gezondheidsapps of patiëntgebonden omgevingen (PGO’s) ingezet worden. ‘Er zijn veel toepassingen met onze algoritmes mogelijk’, zegt Cadavid. ‘Je kan ze ook gebruiken als beslisondersteuning voor huisartsen of in online triagetools. Het doel van het consortium achter MyDigiTwin is mensen inzicht te geven in hun gezondheid en de effecten van hun leefstijl. Door iemand exact te laten zien in welke mate risicofactoren zoals overgewicht of roken zijn kans op hart- en vaatziekten vergroten, motiveer je om gezonder te gaan leven. Het is mooi dat wij daar de infrastructuur voor kunnen bouwen; de motor die de auto laat rijden.’
De software die het eScience Center ontwikkelt is open source beschikbaar. ‘Paid by the public and available for the public’, zegt Cadavid. Het centrum streeft naar hergebruik van de ontwikkelde technologie. In het geval van MyDigiTwin kan de techniek bijvoorbeeld opnieuw gebruikt worden voor andere ziektebeelden.
Vroege opsporing
Steeds meer mensen raken door tools zoals ChatGPT gewend aan de inzet van kunstmatige intelligentie. Punt verwacht dat we AI-applicaties rond gezondheid de komende jaren ook steeds normaler gaan vinden. ‘Stel je voor dat je met pijnklachten naar de huisarts gaat, die op basis van jouw informatie en enkele bloedtesten tot diagnose A komt. Het wordt straks mogelijk om exact diezelfde informatie thuis in te voeren op een website. Wat doe je als het algoritme aangeeft: 90% van de huisartsen komt op basis van deze informatie tot diagnose B? Zelf zou ik dan toch voor een second opinion gaan’.
Punt vindt het fijn dat de AI-modellen die zijn afdeling ontwikkelt het werk van artsen gaan ondersteunen en patiënten meer informatie geven. De mogelijkheden en kansen die AI biedt zijn volgens hem bijna onbegrensd. Een voorbeeld dat hij noemt is de vroege detectie van ziekten als Alzheimer of Parkinson door analyse van spraak, beweging of manier van typen. ‘Wearables kunnen hier een grote rol in spelen. Die zijn in staat om over een langere periode data te verzamelen en patronen of afwijkingen te signaleren. De voorspelling van ziektes wordt steeds nauwkeuriger naarmate de AI-modellen zich verder ontwikkelen. Veel patiënten gaan hier in de toekomst van profiteren.’ De zorg staat volgens Punt pas aan het begin van het AI-tijdperk. De sector zal een grote transitie doormaken waarbij zorgprofessionals hun werk steeds vaker samen met AI uitvoeren.
Financiering en privacy
Waar liggen de belemmeringen? ‘De vraag is veel groter dan wat wij kunnen leveren met ongeveer honderd engineers’, zegt Punt. ‘Dat heeft vooral te maken met de bereidheid om in AI-ontwikkeling te investeren. Onze samenleving zit nog in een overgangsfase, waarin steeds meer mensen het belang van AI inzien, maar de financiering nog relatief beperkt is. Gelukkig zijn er wel veel slimme, internationale AI-ontwikkelaars geïnteresseerd om bij ons te werken. We doen mee in de wereldtop.’ Een ander aandachtspunt blijft de privacy. Waar ChatGPT wereldwijd data van het internet kan halen om de algoritmes te trainen, geldt dat niet voor gezondheidsdata. ‘Het delen van data is belangrijk om goede AI-software te ontwikkelen, maar privacy blijft een delicaat onderwerp waar we zorgvuldig mee om moeten gaan. Daarom is federated learning juist voor de zorg zo’n mooie techniek.’