“Je moet artificial intelligence omarmen als ondersteuning en hulpmiddel”
Nederland heeft een van de grootste markten als het aankomt op het toepassen van artificial intelligence (AI; Kunstmatige intelligentie; KI) in de zorg. Maar de daadwerkelijke toepassing ervan in de ziekenhuizen is laag door verschillende factoren, zoals goedkeuring van de European Medicines Agency (EMA), het ingewikkelde proces van data-uitwisseling en de trage implementatie ervan op de werkvloer. Toch is er een afdeling die voorloper is in de toepassing ervan, de radiologie. Daarnaast staat de technologie op afdelingen als cardiologie en pathologie nog in de kinderschoenen.
Begin jaren 50 vroeg wiskundige Alan Turing zich af of computers op een dag konden leren denken. Zo’n twintig jaar later werd de technologie geïntroduceerd binnen de gezondheidszorg op biomedische problemen op te lossen. Sinds dien zijn artificial intelligence-gedreven applicaties uitgebreid en aangepast om de gezondheidszorg te ondersteunen, onder andere door het verlagen van zorgkosten, onderzoeksresultaten te verbeteren en de efficiëntie te vergroten.
Om AI te kunnen toepassen is er onder andere een enorme hoeveelheid data nodig. Met de beschikbare data van ziekenhuizen kunnen zij zelf, of externe partijen, computersystemen laten leren die verschillende processen in het ziekenhuis efficiënter te maken. Aan de basis van AI staan algoritmes, dat zijn instructies voor een computer om een bepaald probleem op te lossen. Bijvoorbeeld het inzetten van medische gegevens om te voorspellen hoe groot de kans is dat een patiënt boezemfibrilleren ontwikkelt, maar ook hoe een ziekenhuisbezoek van een patiënt eruit kan zien.
[aesop_image img=”https://svjmedia.nl/pepijnvanvugt/wp-content/uploads/sites/198/2022/05/FlowchartAI.jpg” panorama=”off” credit=”Bron: Gieling, R. (2020)” align=”center” lightbox=”on” captionsrc=”custom” caption=”Flowchart van een algoritme voor een ziekenhuisbezoek” captionposition=”left” revealfx=”off” overlay_revealfx=”off”]
Een subgebied van kunstmatige intelligentie is machine learning, daarbij volgt de computer niet langer een set van voorgeprogrammeerde regels, maar leert hij door middel van ervaring. Hiervoor heb je enorm veel trainingsdata nodig, bijvoorbeeld CT-scans van de longen van duizenden patiënten. Handmatig geef je aan bij welke patiënten er vlekjes te zien zijn in de longen. Vervolgens kan de software via wiskundige berekeningen (het algoritme) zelf patronen herkennen waarin vlekjes zichtbaar zijn. Daarmee kan voorspeld worden of een patiënt een tumor heeft, of dat het misschien een bloedvat is.
[aesop_image img=”https://svjmedia.nl/pepijnvanvugt/wp-content/uploads/sites/198/2022/05/CircleAI.jpg” panorama=”off” credit=”Bron: Gieling, R. (2020)” align=”center” lightbox=”on” captionsrc=”custom” caption=”De verschillende gradaties van kunstmatige intelligentie. ” captionposition=”left” revealfx=”off” overlay_revealfx=”off”]
Beeldvormende medische specialismen
Een aantal jaren geleden heeft de technologie zijn intrede gedaan binnen een aantal medische specialismen, zoals de radiologie. Radiologie is zeer geschikt voor de toepassing van AI, omdat het een specialisme is dat data gestuurd is. De analyse en interpretatie van medische beelden behoren tot de kerntaken van de radioloog en AI speelt een belangrijke ondersteunende rol in de werkzaamheden van de radioloog.
Dr. P.R. Algra, neuroradioloog bij Noordwest Ziekenhuisgroep (NWZ), schreef verschillende boeken over de AI binnen de zorg en staat bekend als de ‘AI-radioloog’ van Nederland. “Wij zijn zo’n vijf jaar geleden begonnen met de toepassing van AI. Een startup liet aan ons weten dat zij een algoritme hadden ontwikkeld die gericht was op het beoordelen van CT-scans. De resultaten zijn tot nu toe hoopgevend en op sommige terreinen zeer goed. Deze AI ziet vlekjes in de longen en beoordeeld deze vlekjes op basis van oud onderzoek. Dit vergelijken is enorm belangrijk, omdat je kan zien of eventuele chemotherapie aanslaat of heeft aangeslagen.”
[aesop_image img=”https://svjmedia.nl/pepijnvanvugt/wp-content/uploads/sites/198/2022/05/Nodule-Analysis-Aidence-2.jpg” panorama=”off” credit=”Foto door: Pepijn van Vugt” align=”center” lightbox=”on” captionsrc=”custom” caption=”De software die Dr. Algra gebruikt voor zijn CT-Scans. Rechts is het vlekje in de longen te zien en links geeft de software het volume van de tumor aan.” captionposition=”left” revealfx=”off” overlay_revealfx=”off”]
De snelheid waarmee nieuwe toepassingen geïmplementeerd worden vindt Dr. Algra tegenvallen. Volgens hem komt dat door de gezondheidszorg in zijn geheel. “Ziekenhuizen kopen een keer een apparaat dat zijn werk goed uitvoert, en dan komt AI opeens om de hoek kijken. De directie vindt dit helemaal fantastisch, maar wil er niet voor betalen. Daarnaast is het een speeltje dat alleen de radiologen gebruiken, waardoor wij te horen kregen dat wij dit zelf maar moeten betalen. Een jaar lang heb ik toen uit mijn eigen zak betaald voor de AI.”
[aesop_image img=”https://svjmedia.nl/pepijnvanvugt/wp-content/uploads/sites/198/2022/05/nodule.jpg” panorama=”off” credit=”Foto door: Pepijn van Vugt” align=”center” lightbox=”on” captionsrc=”custom” caption=”Een CT-scan van de longen in het softwareprogramma. Hierin wordt de diameter en het volume van de tumor in de longen geanalyseerd” captionposition=”left” revealfx=”off” overlay_revealfx=”off”]
Dr. Algra legt de fout ook deels bij zichzelf, omdat hij vindt dat hij de technologie op een verkeerde manier heeft geïntroduceerd in het ziekenhuis. “Ik heb toendertijd gehamerd op het winnen van efficiëntie. Het beoordelen van CT-scans op vlekjes is geen leuk en zeer tijdrovend werk. Wij doen zo’n 20 scans op een dag en elke scan bevat zo’n 1000 plaatjes, dat zijn enorme hoeveelheden data. Ik had niet moeten zeggen dat AI winst in tijd zou zijn, want dan denkt het bestuur dat de radiologen tijdwinst gaan maken. Ik had moeten aangeven dat het winst in kwaliteit zou zijn, maar dat kan ook gevoelig liggen, omdat je dan zegt dat je met AI beter werkt dan zonder AI.”
De kansen van AI
Minke Bergsma, arts-assistent in opleiding binnen de radiologie in NWZ, werkt mee aan een onderzoek naar efficiëntie en kwaliteit door middel van AI in de zorg. “Als de efficiëntie en kwaliteit beter worden, bijvoorbeeld door AI, hoeft een patiënt minder langer gescreend te worden, en dan kom je bij het stukje kostenefficiëntie waardoor de technologie voor het ziekenhuis een stuk interessanter wordt. Wij verwachten dat wij kunnen bewijzen dat AI niet alleen extra efficiëntie biedt, maar ook voor kostenreductie zorgt.”
Ook Dr. Algra doet mee aan dit onderzoek. Volgens hem kan je door middel van AI nauwkeuriger metingen doen van CT-scans. “Door middel van AI kunnen wij makkelijker de diepte en het volume van longmetastases in de longen meten. Wij denken ook dat wij kunnen bewijzen dat wij met AI patiënten in plaats van drie keer te controleren, dit maar twee keer hoeven te doen. Dan kan je zeggen dat de patiënt minder vaak een CT-scan en röntgenstraling hoeft te doorlopen, en dus kwalitatief winst maakt. Echter loopt dit onderzoek nog.”
[aesop_image img=”https://svjmedia.nl/pepijnvanvugt/wp-content/uploads/sites/198/2022/05/DSC_0016-scaled.jpg” panorama=”off” credit=”Foto door: Pepijn van Vugt” align=”center” lightbox=”on” captionsrc=”custom” caption=”Minke Bergsma doet onderzoek naar longkanker ” captionposition=”left” revealfx=”off” overlay_revealfx=”off”]
Ook PricewaterhouseCoopers (PwC) heeft onderzoek gedaan naar de rol van AI in het verbeteren van de kwaliteit en efficiëntie in de zorg om daarmee de kosten voor de gezondheidszorg te verlagen. Er werd onder andere gekeken naar de soorten kanker die het vaakst voorkwamen bij mannen en vrouwen. De incidentie van borstkanker in Europa is zeer hoog, 28% van alle kanker die gedetecteerd wordt onder vrouwen is borstkanker. Nederland staat op de derde plek met het hoogste aantal gevallen van borstkanker in Europa met 131.3 vrouwen per 100.000. Ook wat longkanker bij vrouwen betreft staat Nederland op een hoge plek binnen Europa met 69.4 vrouwen per 100.000. Hongarije (76.6) en Denemarken en Ierland (beide 85.1.) staan hoger dan Nederland.
[embed]https://public.flourish.studio/visualisation/9971041/[/embed]
Uit hetzelfde onderzoek blijkt dat borstkanker zo’n 6 miljard euro per jaar kost, dit is 13 procent van de totale gezondheidszorgkosten in de EU. Het gebruik van AI in de diagnose en behandeling van borst- en longkanker kunnen zeer behulpzaam zijn in de vroege detectie van de ziekten, daarnaast kan AI helpen bij het nemen van beslissingen over de behandeling. Het gebruik van AI op grote schaal kan de gezondheidszorg in de EU tot zo’n 74 miljard euro besparing opleveren in de komende tien jaar, zo luidt de verwachting.
Binnen de cardiologie kan AI een ondersteunende en voorspellende rol spelen. Sinds eind 2020 doet Amsterdam UMC mee aan een Europees project om dodelijke hartritmestoornissen beter te voorspellen. In dit project moet een geïmplanteerde defibrillator (ICD) patiënten waarschuwen als hun gezondheid snel achteruitgaat. Die waarschuwing komt van een draagbaar apparaat zoals een horloge die al het gedrag van de patiënt in de gaten houdt. Een algoritme gaat al deze data analyseren.
Dr. M.M. Winter, managing cardioloog binnen diverse Amsterdamse ziekenhuizen waaronder Amsterdam UMC, werkt mee aan het onderzoek. “In het onderzoek kijken wij of er algoritmen ontwikkeld kunnen worden die door middel van data van een smart watch een dodelijke hartritmestoornis kunnen detecteren en dan automatisch de hulpdiensten kunnen inlichten. Sommige patiënten zitten boven een percentage waarin een hartritmestoornis dodelijk kan zijn. In plaats van dat je hen een ICD geeft, geef je hun een smart watch om die stoornis te herkennen. Als het algoritme de stoornis kan voorspellen kan er gelijk op geacteerd worden en wordt de overlevingskans groter, daarnaast hoeft er geen ICD geïmplanteerd te worden.”
Grote uitdagingen in de toepassing van AI
De voornaamste reden dat AI al toegepast wordt binnen de radiologie is omdat er voornamelijk met beelden, zoals CT-scans, wordt gewerkt. Dat betekent dat er meer mogelijkheden zijn om AI toe te passen. Binnen de pathologie zijn er nog weinig toepassingen van AI, maar de technologie kan in de toekomst een belangrijke rol gaan spelen, verwachten betrokkenen. Al zijn er nog hobbels te nemen.
Prof. Dr. Daemen, klinisch patholoog aan Amsterdam UMC en hoogleraar pathologie aan de Universiteit van Amsterdam (UvA), zegt dat het enorm lastig is om AI te implementeren in de zorg. “Er zijn veel ontwikkelingen en pogingen om de technologie te implementeren, maar de EMA of FDA keurt weinig tot geen AI-toepassingen toe voor de pathologie. Als je AI wil toepassen in de pathologie, dan moet je aantonen dat de technologie net zo goed is, of beter is, dan de huidige technologie. Je moet dan een traject doorlopen dat vergelijkbaar is met het ontwikkelen van geneesmiddelen. Bij deze ontwikkelingen moet je steeds evalueren en stappen terugnemen om te kijken wat de resultaten en bijwerkingen zijn. Het kan zo’n 10 tot 15 jaar duren voordat je van idee naar impact in de markt gaat. Al deze trajecten moet je met AI ook doorlopen, en tot nu toe heeft dat niet veel opgeleverd.”
Uitdagingen zoals de beschikbaarheid en uitwisseling van bruikbare data, en het voldoen aan de voorschriften en privacywetgeving, maken de implementatie enorm lastig. De meeste AI-tools voor de zorg gebruiken medische data zoals foto’s, medische gegevens en data van wearables als smart watches. Het gebruik van deze AI-tools op een grote schaal heeft ook een grootschalige beschikbaarheid van gezondheidsinformatie van patiënten nodig om de algoritmen te laten werken. Daarnaast is de data van patiënten uit Nederland anders dan de data van bijvoorbeeld Zuid-Afrikaanse patiënten. In dat proces speelt bias een grote rol. Bias, of vooringenomenheid, is wanneer data niet representatief is voor een onderzoeksgroep.
Bias kan op elke afdeling en elk soort onderzoek een rol spelen. Dr. M.M. Winter geeft aan dat veel onderzoeken uitgevoerd zijn op basis van data van Westerse bevolkingsgroepen. Volgens hem moeten de algoritmen die worden gecreëerd extern gevalideerd worden, anders krijg je bias in je algoritme en is deze niet bruikbaar voor meerdere bevolkingsgroepen.
Hij zegt: “Ik zie veel onderzoeken verschijnen dat er algoritmen gecreëerd en getest worden op de eigen dataset van de ontwikkelaars. Deze algoritmen moeten extern gevalideerd worden, maar dat is erg lastig. Patiënten uit Zuid-Afrika hebben een andere ECG dan patiënten uit Nederland. De kans dat de ontwikkelde algoritmen één op één geschikt zijn voor andere bevolkingsgroepen is niet groot.”
Samenwerken op het gebied van valideren kan de oplossing zijn volgens Dr. Winter. “Stel je gaat extern valideren met Spanje, dan pas je het algoritme speciaal voor hen aan zodat zij dit daarna kunnen aanpassen op bijvoorbeeld de bevolking van Zimbabwe. Dan krijg je gelijke groepen met een extern validatiesysteem. Dan is een algoritme op veel verschillende bevolkingsgroepen inzetbaar.”
Prof. Dr. Daemen ziet de bias ook in het valideren, oftewel het evaluatieonderzoek. “Vaak is de eerste testgroep een vrij kleine groep die heel goed is gekarakteriseerd, en daarmee ook geselecteerd. Dan kan je aantonen dat je software werkt en vervolgens ga je die loslaten op de gehele populatie. Echter is de populatie van Amsterdam anders dan die van een stad in China. Als je de software niet evalueert in de andere groepen maak je onzin en heb je er niks aan. Je moet altijd blijven evalueren in verschillende omgevingen.”
Vervanging van de radioloog, cardioloog en patholoog
Eind 2020 publiceerde het British Institute of Radiology een onderzoek over kunstmatige intelligentie in de radiologie. Er werd onderzocht of de technologie invloed heeft op de voorkeur van medische studenten om de radiologie als toekomstige carrière te zien. Van de 476 respondenten gaf 31 procent aan dat zij het ermee eens zijn dat de radiologen in hun leven nog vervangen gaan worden door AI, terwijl iets meer dan 66 procent aangaf dat AI het vermogen en de efficiëntie van de radioloog zal vergroten. Klik hier voor de interactieve link.
[embed]https://public.flourish.studio/visualisation/9983644/[/embed]
Dr. Algra en Minke Bergsma geloven niet dat AI de radioloog zal vervangen. Echter is de werkdruk zo hoog dat zij niet al het werk met de huidige beschikbare mensen kunnen doen. “Je moet AI omarmen als een hulpmiddel en ondersteuning die voor jou het werk makkelijker kan maken. Er zijn artikelen uitgekomen dat de AI de radioloog zal vervangen, maar je moet de AI als tweede waarnemer zien, want een screening wordt altijd door twee radiologen bekeken. Met AI kan je één radioloog vervangen die zich op andere taken kan gaan focussen”, aldus Dr. Algra. Minke Bergsma vult aan: “Het is niet dat een AI zelfstandig gaat werken, het zal altijd een tool zijn die ondersteuning biedt aan de radioloog om iets te beoordelen.”
[aesop_image img=”https://svjmedia.nl/pepijnvanvugt/wp-content/uploads/sites/198/2022/05/DSC_0025-scaled.jpg” panorama=”off” credit=”Foto door: Pepijn van Vugt” align=”center” lightbox=”on” captionsrc=”custom” caption=”Dr. Algra onderzoekt hersenmetastasen in het softwareprogramma” captionposition=”left” revealfx=”off” overlay_revealfx=”off”]
Ook Dr. Winter gelooft niet dat AI de cardioloog zal vervangen. Echter geeft hij wel aan dat AI enorm belangrijk wordt voor de cardiologie. “AI zal de dokter nooit vervangen, maar de dokter die geen AI gebruikt zal vervangen worden door AI. Stel je voor dat je erg ziek bent, dan heb je ook behoefte aan contact met een dokter die jou kan ondersteunen en troosten. AI kan die emotionele kant van het vak niet overnemen. Het gesprek met de familie en patiënt is ook een groot onderdeel van mijn werk. Mijn opleider zei altijd: “Je kan soms genezen, maar je kan altijd troosten.”
Volgens Prof. Daemen moet de focus liggen op de ondersteunende rol van AI in de verschillende vakgebieden. “Ik geloof in het hybride-concept van AI en de pathologie. Ik ben er zeker van dat de patholoog ondersteund gaat worden door AI, en niet vervangen wordt. Je moet altijd duidelijk zijn wie de eindverantwoordelijke is, en een computer kan dat nooit zijn. Bepaalde afwijkingen in weefsel kan AI en de patholoog er zo uithalen, maar hele kleine tumoren in de lymfeklieren herkennen is een lastige taak die is weggelegd voor AI. Daarna kan de patholoog er nog een keer naar kijken en tot een eindconclusie komen.”
De toekomst van AI in de zorg
Ondanks de obstakels om AI te implementeren zien de doktoren de toekomst positief in. Binnen de pathologie is het nog lastig om nieuwe tools te implementeren, maar langzamerhand begint het vakgebied te digitaliseren. “Ik werk nog met een microscoop en heb daarnaast een computer. Wij zijn nog niet helemaal digitaal omdat pathologen niet heel snel zijn. Als de snelheid van het presenteren van de beelden sneller wordt dan de patholoog dat kan, dan zul je zien dat AI een steeds grotere rol gaat spelen. Hele kleine metastasen zijn erg lastig te vinden, en daar ligt een grote rol voor AI weggelegd. De generatie na mij zal steeds meer met dit soort tools werken waardoor het een vast onderdeel van hun werkroutine wordt.”
[aesop_image img=”https://svjmedia.nl/pepijnvanvugt/wp-content/uploads/sites/198/2022/05/DSC_0039-scaled.jpg” panorama=”off” credit=”Foto door: Pepijn van Vugt” align=”center” lightbox=”on” captionsrc=”custom” caption=”Professor Daemen werkt nog met zowel een microscoop als computer” captionposition=”left” revealfx=”off” overlay_revealfx=”off”]
Nu AI steeds meer naam begint de krijgen in de gezondheidszorg kunnen de bijbehorende kosten dalen in de toekomst. Er is echter nog steeds een lange weg te gaan, aangezien de meeste tools nog in ontwikkeling zijn. Toch moeten de medische wereld geloven in AI als het aan Dr. Winter ligt. “Als je niet in AI gelooft dan ben je reddeloos en wordt het helemaal niks. Degene die AI goed toepast is zoveel slimmer dan degene die het niet gaat toepassen, omdat je een slimme ondersteunende assistent tot je beschikking hebt. Een computer heeft zoveel meer denkvermogen en capaciteit dan een mens ooit zal hebben.”
Ook Minke Bergsma ziet de toekomst positief in, alhoewel er wel snelheid gemaakt moet worden met de ontwikkeling en evaluatie van nieuwe tools. “Drie jaar geleden kwam ik hier werken en toen gaf ik al aan dat wij moesten opschieten met onderzoek en ontwikkeling van AI, want anders zouden wij de boot missen. Nu, 3 jaar later, is er heel weinig gebeurd. Alle ontwikkelingen binnen ziekenhuizen gaan zo langzaam, terwijl de ontwikkelingen op de markt enorm snel gaan. Op een gegeven moment is er een enorme kloof tussen nieuwe tools en het ziekenhuis zodat deze achterstand niet meer in te halen is.”
Dr. Algra beaamt deze tendens. “Je merkt dat de gezondheidszorg enorm log is. Er zijn zoveel bedrijven die het wiel willen uitvinden en uniek willen zijn. Zodra wij deze fase voorbij zijn kan de technologie nog bruikbaarder worden in ziekenhuizen. Ik hoop ook dat verzekeraars hier een rol in gaan spelen door bijvoorbeeld een patiënt de kans te geven dat hij meer kan declareren als hij gebruik maakt van AI tijdens zijn zorg. Als je bijvoorbeeld vlekjes in de longen gaat beoordelen met AI krijg je meer vergoed. Doe je dit niet, dan wordt het minder. Wij hebben goud in handen, en weinig mensen zien dit.”