Ga naar hoofdinhoud
28 januari 2020
Data & AI
Nieuws

AI zonder Magie

Onderstaand artikel verscheen op 28 januari 2020 in Skipr

Kunstmatige intelligentie (AI) lijkt wel een toverwoord voor alle problemen in de zorg: als we de data op orde hebben en slim gebruiken, dan lossen we alles op: personeelstekorten, vergrijzing, verlichting van de administratiedruk. You name it.

Geld

Er wordt dan ook stevig geïnvesteerd in AI. De komende vijf jaar pompt Microsoft in totaal $ 25 miljoen in de zorg voor mensen met een beperking. Het kabinet investeerde in 2019 al 64 miljoen in kunstmatige intelligentie – een deel daarvan is bestemd voor de gezondheidszorg. Vanaf 2020 zou dit bedrag moeten worden verdubbeld. Het Amsterdam UMC gaat de komende 10 jaar 1 miljard euro investeren in de ontwikkeling van AI-technologieën, samen met partners.

De ambitie en de noodzaak staan als een huis. De investeringen zijn groot, de schaal is groot, de uitkomsten beloven veel. Op brede praktische toepasbaarheid lijken we nog even te moeten wachten.

Belofte

AI gaat om diagnosesuggesties, om het doen van voorspellingen en het reduceren van onzekerheid bij het maken van beslissingen. En dat levert een heleboel voordelen op, economisch, maar ook voor onze gezondheid. Met grote hoeveelheden relevante data, kunnen we veel beter voorspellingen doen op individueel niveau en zo kunnen we patiënten beter ondersteunen bij hun behandeling of ingreep. Snellere diagnoses, nauwkeurigere behandelingen en beter geïnformeerde patiënten. Dat is de belofte.

Macht

De vraag is welke partij straks het best (on)gezondheid op individueel niveau kan organiseren en managen. Dit kunnen zorgorganisaties zijn, maar laten we ook de Googles, verzekeraars, ANWB of bijvoorbeeld Etos niet uitsluiten. Al deze bedrijven zijn bezig individuele data te verzamelen en creëren daarmee voor zichzelf invloed. De macht in een sector wordt mede bepaald door het eigenaarschap van die data. Wat doen zorgorganisaties die niet over deze fenomenale budgetten beschikken?

Lokaal initiatief

Er zijn op dit moment al mooie toepassingen. Het bepalen van het optimale moment van ontslag van de intensive care is een complex besluit, dat een intensivist voor elk van zijn of haar patiënten neemt. Te vroeg ontslag kan leiden tot heropname. Een laat ontslag kan voor de patiënt mentale en fysieke consequenties hebben en kost onnodig meer geld. Pacmed ontwikkelde hiervoor software. Op basis van duizenden kenmerken van opname en patiënt krijgt de intensivist alle informatie om de juiste beslissing te nemen. Dit helpt onnodige heropnames en een lange ligduur te voorkomen.

In ziekenhuis St Jansdal ontwikkelde internist-nefroloog en CMIO Bart-Jan Verhoeff een algoritme dat bepaalt welke patiënten een zeer hoog risico hebben op een heropname binnen dertig dagen na een ziekenhuisopname. Als je dat weet, kun je deze patiënten extra aandacht geven om het risico te verlagen.

Prachtige initiatieven. Maar, ze zijn nog incidenteel en lokaal. Opschaling van deze toepassingen – dát is de uitdaging, zoals ook Amsterdam UMC en ETZ ondervonden. En dan hebben we het hier nog niet over de betaalbaarheid van het opschalen!

Houd ‘t pragmatisch

Dat moet anders kunnen. Kijk naar AI als een behapbare, menselijke uitdaging en laat je niet benevelen door de magie van AI. Dat is precies wat de regionale SAZ ziekenhuizen in 2020 gaan doen: down to earth, dichtbij de praktijk, pragmatisch, met een duidelijke visie. De regionale ziekenhuizen onderzoeken of het mogelijk is om een predictiemodel van het ene ziekenhuis, werkend te krijgen in andere SAZ ziekenhuizen. We gaan het predictiemodel voor heropname ontwikkeld in het St Jansdal ziekenhuis ‘trainen’ in andere SAZ ziekenhuizen, alle met een vergelijkbare patiëntenpopulatie. Daar gaan we ervaren hoe overdraagbaar het model is.

Daarnaast blijkt uit analyse van de MediRisk claimsdata een grote overlap te bestaan tussen heropnames en claims voor medische aansprakelijkheid. Een groep van SAZ ziekenhuizen die bij MediRisk zijn verzekerd voor het risico van medische aansprakelijkheid gaan daarom ook gezamenlijk kennis delen op het gebied van data science en voorspellende algoritmen.

Onder het motto ‘wat in het ene ziekenhuis ontwikkeld is, kan gebruikt, verrijkt en verbeterd worden in een ander ziekenhuis’. Zo kunnen alle ziekenhuizen profiteren van de modellen die worden ontwikkeld voor een reële prijs, zonder hoge kosten aan externe leveranciers of adviseurs.

Is deze werkwijze toegestaan? Ja, zolang je een eigen model voor je eigen ziekenhuis ontwikkelt met passend kwaliteits- en risicomanagement. En zolang de markt geen gelijkwaardig alternatief biedt. Als de pilot een succes is, dan zal CE-markering worden aangevraagd. Als er eenmaal een model is uitgerold, kunnen we diezelfde infrastructuur gebruiken voor andere modellen. We gaan in 2020 werken aan het toepasbaar maken van de modellen en het wegnemen van de magie van AI.

Yvonne Snel

Directeur Samenwerkende Algemene Ziekenhuizen (SAZ)