“Artificiële intelligentie zal de gezondheidszorg fundamenteel veranderen”
Isabelle François
“Artificiële intelligentie zal de gezondheidszorg fundamenteel veranderen”
Artificiële intelligentie neemt een spectaculaire vlucht in de gezondheidszorg. De mogelijkheden zijn groot, zowel binnen als buiten de ziekenhuismuren. Isabelle François (Medvia) geeft een stand van zaken én blikt vooruit. “De voorspellende kracht en nauwkeurigheid van AI-systemen groeit met de dag.”
Sybil, een AI-model van Amerikaanse makelij, voorspelt met grote precisie iemands longkankerrisico. Het instrument ontleedt CT-scans op vreemde weefselgroei of andere onverklaarbare patronen. Die vroege alarmsignalen missen artsen vaak. In één onderzoek voorspelde de tool met een nauwkeurigheid van 86 tot 94% of iemand het jaar erop longkanker zou krijgen. Dankzij Sybil weten artsen beter waar ze moeten kijken en kunnen ze vroeger ingrijpen.
Artificiële CT-scans
Ook in eigen land doen radiologen steeds vaker beroep op kunstmatige intelligentie. Gentse artsen ontwikkelden een algoritme dat synthetische CT-beelden uit MRI-scans haalt. In de zoektocht naar boterosie en -afwijkingen blijkt zo’n synthetisch gegenereerde scan even bruikbaar als een klassieke CT-scan. Het Universitair Ziekenhuis Antwerpen laat AI-algoritmes routinematig lopen op bepaalde scans om sneller bloedklonters, bloedingen of breuken op te sporen. Als het systeem iets opmerkt, krijgen artsen daarvan bericht. Weten welk onderzoek prioritair is, kan levensreddende tijd uitsparen. Daarnaast gebruikt men AI om de beeldkwaliteit van CT-scans te verbeteren waardoor een lagere stralingsdosis gebruikt kan worden.
AI-model Sybil vertelt of je longkanker zal krijgen
Isabelle François bevestigt dat de radiologie almaar vaker beroep doen op artificiële intelligentie. “AI onderscheidt onschuldig en gevaarlijk weefsel in sommige gevallen beter dan artsen”, vertelt ze. “Denk bijvoorbeeld aan de opsporing van melanomen. Maar ook andere kankers ontsnappen steeds minder goed aan het AI-oog.” François was tot eind augustus directeur bij vzw Health House, een belevingsplatform rond innovatieve gezondheidszorg. Health House informeert en verbindt mensen rond de toekomst van onze gezondheidszorg. Vandaag is ze directeur innovatie bij Medvia, een Vlaamse speerpuntcluster rond nieuwe technologie in de zorg. Volgens haar heeft AI enkele unieke troeven.
24/7 ondersteuning
“AI analyseert beelden op basis van grote datasets en kan dat 24/7 kan doen”, verklaart ze. “Een enorme ondersteuning voor de radioloog. Die laatste evalueert het computergestuurd resultaat want het menselijke oog blijft noodzakelijk. Maar de nauwkeurigheid van AI- systemen groeit met de dag, op voorwaarde dat men het systeem voedt met correcte en unbiased data.”
François gelooft dat artificiële intelligentie de gezondheidszorg fundamenteel zal veranderen. Ze spreekt zelf ook over enhanced intelligence. “Artificieel suggereert een kloof tussen gewone intelligentie en kunstmatige intelligentie, terwijl ze nooit volledig losstaan van elkaar. Je hebt altijd menselijke intelligentie nodig om AI-systemen te programmeren en implementeren. AI kan je zien als een wiskundige manier om patronen te herkennen die we als mens missen. In medische datasets met tienduizenden gegevens zien we die patronen zelf niet, de zee aan informatie is simpelweg te groot. Een getraind algoritme kan hier wel interessante info uithalen.”
Zo ontwikkelde Ingeborg Stalmans (RGO - KU Leuven) met de Onderzoeksgroep Oogziekten een algoritme dat met grote nauwkeurigheid glaucoom opspoort. Men trainde het algoritme op 24 000 netvliesbeelden gemaakt in het UZ Leuven. Het Leuvense AI-model presteert ook goed op datasets uit andere landen en vormt een belangrijke stap in een kosteneffectieve en vroegtijdige glaucoomscreening in de brede bevolking. De Nederlandse Radbouduniversiteit ontwikkelde dan weer een AI-assistent die zeldzame ontwikkelingsstoornissen en -syndromen bij kinderen herkent. Men koppelde gezichtsherkenning aan het medische dossier van een groep kinderen met 40 syndromen. Het computermodel herkende 37 van de 40 syndromen. Volgens de onderzoekers kan deze doorbraak leiden tot een snellere diagnostisering en behandeling, zeker bij zeldzame syndromen.
App meet voorkamerdefibrillatie
“AI ondersteunt gezondheidsprofessionals bij een snellere opsporing van problemen”, bevestigt François. “De medische app Fibricheck helpt bijvoorbeeld om via je gsm voorkamerfibrillatie op te sporen. Voorkamerfibrillatie kan wijzen op een hartprobleem. In tegenstelling tot een klassiek en in tijd afgebakend hartonderzoek, kies je dankzij de app zelf de opvolgingsperiode. Dat verkleint uiteraard de kans dat je afwijkingen mist.”
François: “De Mindstretch-app van BioRICS informeert je over je mentale weerbaarheid en detecteert vroegtijdig gezondheidsrisico’s zoals burn-out, bijvoorbeeld als gevolg van langdurige stress. Een Fitbit meet continu je hartslag en beweging. Op basis daarvan berekent de software hoeveel mentale en fysieke energie je verbruikt en opnieuw bijtankt. De AI-algoritmes achter deze software zijn zelflerend, ze passen zich voortdurend aan het individu aan. Als de app een hoog mentaal energieverbruik registreert, is er voldoende recuperatie nodig om op lange termijn een goede mentale balans te behouden. Op basis van iemands historische en nieuw geregistreerde data kan Mindstretch zo vrij nauwkeurig weergeven wie in de gevarenzone komt.”
Op een verwante manier monitoren professor Ronny Bruffaerts (UPC - KU Leuven) en zijn team de mentale gezondheid van enkele tienduizenden Leuvense studenten. Sinds 2012 peilt hij jaarlijks hun mentale gezondheid via een geautomatiseerde vragenlijst. Zo weet men met wie het goed of minder goed gaat en krijgt men na verloop van tijd ook zicht op de verklarende factoren. Dankzij die groeiende dataset en een slim algoritme kunnen Bruffaerts en co suïcidaliteit, zelfverwondend gedrag, depressie en alcoholverslaving accuraat voorspellen. Veel beter dan genetisch of hersenonderzoek dat vandaag kan. Of met andere woorden: AI helpt hulpverleners om sneller in de juiste richting te kijken.
“De voorspellende kracht van AI is een grote hulp”, aldus François, “al leidt het soms tot ethische dilemma’s. Zo staan we dankzij AI op het punt om de ziekte van Alzheimer in een zeer vroeg stadium te herkennen. Men bouwt vandaag een algoritme dat via oogscananalyse Alzheimer kan detecteren in een zeer vroeg stadium. Enerzijds erg nuttige informatie, want hoe vroeger je met gepaste medicatie start hoe beter je de ziekte kan afremmen. Anderzijds kan ik me voorstellen dat die informatie een zware mentale belasting vormt voor de patiënt. Hetzelfde geldt bij de opsporing van erfelijke aandoeningen en kanker. AI leidt ook daar tot doorbraken, maar het is de vraag hoe we daarmee omgaan. Wie krijgt welke informatie op welk tijdstip? En met welk doel? Op die kernvragen moeten we een antwoord formuleren.”
Gepersonaliseerde behandeling
“Behalve in detectie helpt AI ook in de behandeling van ziektes en de praktische organisatie van de gezondheidszorg zelf”, vervolgt François. “Wat dat eerste betreft, verwijs ik naar de longkanker van mijn moeder. Een tijdje terug detecteerde men bij haar helaas een vergevorderde tumor. Het goede nieuws is dat er nu een gepersonaliseerde behandeling mogelijk is. Vroeger kwamen kankerbehandeling vaak neer op een one size fits all. Ook bij longkanker kreeg iedereen min of meer dezelfde soort chemo en bestraling. Vandaag weet men, dankzij AI, welke behandeling tot goede resultaten leidt bij welk type tumor en persoon. Zowel je individuele medische voorgeschiedenis, genetische profiel als het specifieke kankertype spelen daarin een rol. AI helpt artsen de juiste keuze te maken via de analyse van historische medische datasets. Hoe reageerden lotgenoten met een gelijkaardig profiel op behandeling y of x? AI-gegenereerde kennis draagt zo bij tot een optimalisering en individualisering van behandelingen.”
François: “En daar stopt het niet. Ook na een operatie of behandeling heeft AI het potentieel om zorgverleners de weg te wijzen. Soms letterlijk. Denk bijvoorbeeld aan de patiëntenflow in ziekenhuizen. Wanneer is een patiënt klaar om van intensieve zorgen naar een gewone ziekenhuiskamer te verhuizen? Ziekenhuizen zitten op een berg data gelinkt aan dergelijke beslissingen. Laat daarop een algoritme los en je krijgt zicht op het ‘ideale’ moment voor een overplaatsing. Of toch het moment waarop x-aantal patiënten met dezelfde parameters in het verleden van intensieve zorgen naar een gewone afdeling verhuisden, met goede resultaten.”
“Een systeem dat weet welke zorgverlener waar is, kan per oproep en verpleegkundige een ideaal traject uittekenen”
“Tot slot kan AI ook assisteren bij een efficiënte personeelsorganisatie. Bijvoorbeeld via oproepsystemen. Stel dat een verpleegteam tegelijk meerdere oproepen uit verschillende ziekenhuiskamers ontvangt. Een systeem dat precies weet welke zorgverlener waar is, zou dan een ideaal traject per verpleegkundige kunnen uittekenen. Zo vermijd je dat iedereen naar dezelfde kamer snelt. AI kan moment per moment en zorgverlener per zorgverlener de meest logische route aangeven. In tijden van personeelstekort is dat geen overbodige luxe. In principe kan je je systeem zo complex maken als je wil. Rangschik je oproepen volgens dringendheid, snelste bereikbaarheid, expertise van de zorgverlener of een combinatie van al die factoren?”
Ook buiten het ziekenhuis
Soms lijkt het alsof AI vooral rendeert in hoogtechnologische zorgomgevingen. “Dat klopt niet”, verduidelijkt François. “Ook relatief eenvoudige toepassingen buiten de ziekenhuiscontext zijn mogelijk. Denk bijvoorbeeld aan het gebruik van wearables en sensoren in woonzorgcentra. In theorie zou je bewoners daarmee dag en nacht kunnen opvolgen en – bijvoorbeeld - hun verplaatsingsgedrag monitoren. Stel dat bewoner x plots zesmaal per nacht het toilet bezoekt in plaats van twee keer. Zoiets kan wijzen op een veranderende gezondheidstoestand. Dankzij sensoren, AI en een dataset met gegevens over historisch bewegingsgedrag kunnen hulpverleners in de toekomst meldingen krijgen van zaken die buiten het normale gedragspatroon vallen.”
“In woonzorgcentra kunnen sensoren en AI bewegingsgedrag registreren én interpreteren”
“Een mooie aanvulling op wat medewerkers zelf opmerken en op het individuele verhaal van bewoners”, vindt François. “Het is immers onmogelijk om elke bewoner op elk moment te monitoren. Bovendien lijden sommige bewoners aan geheugenproblemen. Soms weten ze ‘s ochtends niets meer hoe vaak ze ’s nachts naar het toilet gingen.”
Hoewel AI doorbreekt in verschillende zorgsettings, blijven veel toepassingen voorlopig toekomstmuziek. Dat ligt meer aan een versnipperde en ongestructureerde dataverzameling dan aan de mogelijkheden van AI zelf. François: “We zouden medische data over alle lijnen op een gestandaardiseerde manier moeten registreren en bijhouden. Huisartsen, kinesisten, psychologen, thuisverpleegkundigen en ziekenhuizen verzamelen allemaal waardevolle medische info. Daarnaast zijn er de socio-economische of individuele parameters die mensen zelf opslaan via een wearable. Als je al die info zou koppelen en vervolgens laat analyseren door een AI-tool, wordt een diepgaande individuele gezondheidsanalyse mogelijk. Uiteraard gaat zoiets niet van vandaag op morgen. Een oefening van dat formaat vergt forse investeringen, een waterdichte privacywetgeving en ethische reflectie. Het potentieel van AI is groot, maar er zijn nog een aantal hordes te nemen.”
TEKST: THOMAS DETOMBE
BEELD: JONATHAN RAMAEL
Reactie toevoegen