AI en machine learning gaan gezondheidszorg revolutioneren

In de afgelopen jaren zijn voor petabytes aan digitale gezondheidsdata verzameld. Tot nu toe werden vrijwel al deze gegevens - naar schatting zo'n 97 procent - echter niet ten volle benut. Met als belangrijkste reden dat de informatie ongestructureerd was en uit totaal verschillende gegevens bestaat: van medische beeldvormingsrapporten en aantekeningen van artsen tot historische patiëntgegevens. Tot voor kort was er geen manier om al deze data op een eenvoudige manier te verzamelen, sorteren en hieruit waardevolle informatie te ontsluiten. AI en machine learning zijn de oplossing voor dit vraagstuk.

Op medisch consult bij een computergestuurde dokter

AI is niets nieuws. De term werd voor het eerst gebruikt in 1956 door John McCarthy tijdens een conferentie in Darthmouth. Het gebruik van AI in de gezondheidszorg is ook geen nieuw fenomeen. Er zijn al talrijke toepassingen en corona was hierbij een belangrijk keerpunt. Met chatbots is het inmiddels mogelijk met een te computer praten met behulp van natuurlijke menselijke taal. Bellen om bijvoorbeeld een afspraak voor een consult te maken, is slechts één van de mogelijkheden. Zo kunnen patiënten zelfs een eerste intake krijgen van een ‘computergestuurde dokter’.  Zij krijgen van de voicebot vragen over hun symptomen en in veel gevallen kan de computer een triage uitvoeren en een behandeling voorstellen of adviseren een arts te bezoeken bij ernstigere problemen. Een ander voorbeeld van een AI-toepassing in de zorg is beeldherkenning of wel ‘computer vision’. Deze toepassing is mogelijk dankzij deep learning, een subset van machine learning. Computers zijn inmiddels in staat radiologiebeelden te analyseren, embolieën te markeren of kankercellen te detecteren met een nauwkeurigheid van 99 procent. Ze doen dit duizenden keren sneller dan een menselijke radioloog.

Oók patiënten kunnen deze technologie gebruiken. Het in Nederland gevestigde bedrijf SkinVision heeft een oplossing ontwikkeld waarmee huidkanker in een zeer vroeg stadium kan worden opgespoord. Patiënten maken een foto van verdachte huidvlekjes en de oplossing, aangedreven door deep learning, is in staat te vertellen of de vlek, zoals een melanoom, iets is om je zorgen over te maken en je onmiddellijk een arts moet raadplegen.

Vroegtijdig ingrijpen om beroertes te voorkomen

Dankzij machine learning kunnen artsen ook andere klinische gebeurtenissen dan kanker voorspellen, zoals hartaanvallen of beroertes. Het Nederlandse bedrijf Nicolab ontwikkelde StrokeViewer, dat is bedoeld om artsen te helpen bij het vaststellen en voorspellen van beroertes door middel van workflow-oplossingen en algoritme-ondersteuning. Nadat een patiënt is gescand, worden de beelden automatisch geanalyseerd door AI en ontvangen radiologen een mobiele melding. Artsen kunnen de scans bekijken door in te loggen op het systeem via hun werkstation of mobiele telefoon en kunnen ervoor kiezen om beelden door te sturen naar een interventiecentrum. Hierdoor kunnen ze vroegtijdig ingrijpen en de patiënt veel sneller en efficiënter genezen.

Het grootste keerpunt is de beschikbaarheid van generatieve AI, dat in staat is om beelden, klinische notities en gesprekken te bundelen en integreren. Het identificeert ook vergelijkbare patiënten voor informatie over therapieën en inschrijvingen voor klinische onderzoeken. Daarnaast helpt deze technologie om te bepalen welke patiënten onmiddellijke behandeling nodig hebben. Generatieve AI vervangt ook handmatige werkzaamheden door intelligente documentverwerking. Dit zijn slechts een aantal basale voorbeelden van het grote potentieel van deze nieuwe technologie. Meer geavanceerde toepassingen zijn onder andere het voorspellen van ziektegenen en het ontwerpen van eiwitten voor het ontdekken van medicijnen. In dit laatste geval heeft de kracht van AI zich al bewezen toen Moderna haar vaccin voor COVID-19 dankzij AI in slechts 65 dagen kon bereiden.

De tijden veranderen snel. Deep learning en AI zijn nu voor iedereen beschikbaar en alle zorgaanbieders en life science-bedrijven kunnen de kracht hiervan benutten. Ze hoeven geen hoogopgeleide IT-professionals in te huren of te investeren in een kostbare IT-infrastructuur. Alle toepassingen draaien in de cloud en zijn dankzij oplossingen als Amazon HealthLake of Amazon Conprehend Medical - die draaien op Amazon Web Services - eenvoudig te gebruiken. Het is daarbij wel belangrijk om te benadrukken dat AI geen menselijke artsen of verpleegkundigen zal vervangen. Het helpt hen alleen om taken te automatiseren en vaak vele malen sneller uit te voeren dan in het verleden. Door bijvoorbeeld administratieve taken over te nemen kan generatieve AI zorgen voor een aanzienlijke verlichting van de werkdruk van zorgprofessionals, zodat zij zich volledig op hun patiënten kunnen richten.