Het gaat prima, het gaat goed, het gaat eigenlijk steeds beter. En dan opeens niet meer. Bij de ziekte van Crohn komt dit patroon regelmatig voor. Een patiënt kan maandenlang nergens last van hebben en dan ineens een opvlamming krijgen, met bloed in de ontlasting, diarree en buikpijn. Soms is die zo heftig dat een ziekenhuisopname nodig is. Wat als je zo’n opvlamming kunt zien aankomen?
AI kan helpen dit te voorspellen. De Fellowship Grant-onderzoeksgroep Navigating the Impact of AI in Healthcareontwikkelde en testte een AI-model met dat doel. Het werkt zo: patiënten vullen periodiek een vragenlijst in over klachten, vermoeidheid, stress en ingrijpende gebeurtenissen. Op basis van die data doet het model een voorspelling. Springt het op rood, dan is er sprake van een verhoogd risico en is een eerder consult nodig; de arts kan dan ingrijpen voordat de opvlamming begint. Blijft het op groen staan, dan hoeft die patiënt juist niet langs te komen, wat tijd bespaart.
Dit soort toepassingen biedt kansen op betere zorg. Toch worden ze in de praktijk nog weinig gebruikt. Hoe komt dat, en wat doen we eraan? Daar doet Rianne Fijten van de Universiteit Maastricht onderzoek naar, met steun van een AiNed Fellowship Grant.
Slechts drie procent van de AI-projecten in de zorg schaalt op naar de dagelijkse praktijk. Dat zijn gemiste kansen, en het betekent slechtere zorg dan we zouden kunnen leveren. Fijten ziet dat met eigen ogen gebeuren. “We kunnen mooie AI-modellen bouwen, maar zodra ze de kliniek in komen, worden ze vaak niet gebruikt. Dat is zonde van het geld, zonde van de investeringen, zonde van de tijd. En uiteindelijk ook zonde voor de patiënt. We kunnen gewoon een betere kwaliteit van leven aanbieden met dit soort AI-modellen.”
Navigating the Impact of AI in Healthcare is een door het Nationaal Groeifonds gefinancierd onderzoeksproject binnen het Fellowship Grant-programma, uitgevoerd aan de Universiteit Maastricht. Het onderzoekt hoe AI verantwoord kan worden ingezet bij behandelbeslissingen, langs vier lijnen: vertrouwen, communicatie met patiënten, organisatorische obstakels, en de ontwikkeling en evaluatie van AI voor chronische darmziekten. Het project loopt van 2024 tot 2029 en financiert vijf promovendi uit de geneeskunde, informatica en filosofie.
Onderbuikgevoel
Waarom wordt een goed werkend model dan niet gebruikt? Fijten: “Vele factoren spelen een rol, één ervan is een gebrek aan vertrouwen. Artsen denken: klopt de data wel? Klopt de voorspelling wel? Is dit inderdaad beter dan wat we nu doen? Als ze dat onderbuikgevoel hebben, dan is het heel makkelijk om te zeggen: ik gebruik het niet, ik blijf gewoon doen wat ik tot nu toe altijd heb gedaan.”
Maar waar komt dat wantrouwen vandaan? Fijten stelde een promovenda met een filosofische achtergrond aan om dat te onderzoeken. Zij nam tweeëntachtig wetenschappelijke publicaties over vertrouwen in medische AI door en vond vijf manieren waarop over dat vertrouwen wordt gedacht. Die variëren van vertrouwen wekken door een stramien te volgen dat je in een systeem kunt ontwerpen, tot een relatie die je moet onderhouden.
In die literatuur geldt wantrouwen vooral als obstakel dat weggenomen moet worden, niet als verschijnsel dat je eerst moet begrijpen. Volgens de onderzoekers is het winnen van vertrouwen bij een nieuwe innovatieve technologie zoals AI echter geen routekaart of stappenplan dat je kunt afvinken. Het lijkt meer op een oneindig doolhof waarin je telkens opnieuw je weg moet zoeken. Het onderzoek beveelt dan ook aan om in de kliniek te gaan kijken en luisteren, via observaties, interviews en casussen, in plaats van vertrouwen systematisch te behandelen.
Wie neemt de verantwoordelijkheid?
Het tweede obstakel voor medische AI zit in de spreekkamer zelf. Artsen zijn verplicht aan patiënten te melden dat ze een AI-model hebben gebruikt, maar weten niet goed hoe. “Je kunt makkelijk zeggen dat iets is gegenereerd met AI. Maar wat betekent dat? Wat zijn de risico’s? Waar moeten patiënten rekening mee houden? Als je expliciet maakt dat je als arts een AI-model gebruikt en je communiceert dat naar je patiënt, dan neem je ook soort van verantwoordelijkheid voor de juistheid van het model.” Sommige artsen zijn daardoor volgens Fijten huiverig “om zich te profileren als iemand die vertrouwt op AI”.
Het gebruik van AI brengt ook risico’s met zich mee. Artsen vertellen Fijten dat patiënten steeds vaker met een berg zelf opgezochte informatie de spreekkamer binnenkomen. “Waar ik bang voor ben, is dat vooral de hoogopgeleide patiënten weten hoe ze dit moeten gebruiken. Die weten ook hoe ze kritisch naar informatie moeten kijken.” Daarnaast is er een groep met beperkte gezondheidsvaardigheden: ongeveer een derde van de Nederlanders. “Deze groep krijgt een overweldigende hoeveelheid informatie te verwerken over hun ziekte, als daar ook nog informatie bijkomt over de risico’s of impact van een AI-model, wordt het teveel. Waar ik bang voor ben, is dat de AI-modellen de gezondheidskloof vergroten. En dat willen we absoluut niet.”
Ik denk dat dat een van de allerbelangrijkste dingen is: dat we het ook te echt kunnen kwantificeren. Dat zal ook helpen richting artsen en organisaties, om laten zien. Dit is niet alleen een hype, het levert je ook echt iets op. Ik wil graag kunnen bewijzen dat AI iets positiefs met zich meebrengt en niet alleen maar geld kost.
Rianne Fijten, onderzoeker van de Universiteit Maastricht
De hele organisatie moet erachter
Het derde obstakel is de organisatie. Om digitale innovaties in te voeren, moeten bijvoorbeeld zorgroutes veranderen en moeten IT-systemen er ruimte voor hebben of maken. Dat gaat niet vanzelf. “Als je een AI-model wil integreren in een ziekenhuis waarbij het hogere management niks met AI wil, dan kan jij als arts op je kop gaan staan, maar dan gebeurt er niks. Hetzelfde geldt voor de IT-afdeling.”
Er zijn ook gevallen waarin het wél lukt. “Als er successen zijn bij de toepassing van AI in de zorg, valt op dat iédereen in de betreffende organisatie er vierkant achter staat, van de top tot aan de werkvloer.” Fijtens team brengt nu per organisatie de knelpunten in kaart. Dat moet het komende halfjaar uitmonden in een implementatieplan.
Meerdere disciplines in één groep
Het team bestaat uit onderzoekers uit de geneeskunde, informatica en filosofie. Dat er met verschillende brillen naar deze problematiek wordt gekeken, is volgens Fijten winst. “Het multidisciplinaire is echt een van de belangrijkste dingen binnen de Fellowship. Er is heel veel kruisbestuiving tussen de promovendi. Ze leren echt van elkaar en ik leer heel veel van hen. En ik ben geen ethicus, maar het is heel waardevol dat we ook met een filosofische bril naar dit soort problematiek kunnen kijken.”
Ondanks die verschillende perspectieven loopt er een duidelijke rode draad door het onderzoek: het perspectief van de patiënt. Nu wordt nog te makkelijk aangenomen dat patiënten negatief of huiverig tegenover AI staan. “We denken vaak dat we weten wat patiënten willen. Maar als we het patiënten gaan vragen, komen we er vaak achter dat er een verkeerd beeld heerst,” constateert Fijten. Dat blijkt ook uit haar eigen werk. In 2023 werkte Fijten mee aan een interviewstudie over AI in de spreekkamer onder twaalf vrouwen die borstkanker hadden gehad. Voor een door AI onderbouwde voorspelling over bijwerkingen stonden de vrouwen overwegend open, maar als het over overlevingskansen ging, haakten de meesten af. Inmiddels loopt een tweede interviewronde, en de eerste signalen wijzen juist de andere kant op. “Er is een shift gaande in perceptie over hoe men denkt over het gebruik van AI.”
Bewijs het maar
Fijten wil de komende periode gebruiken om een praktisch model, bijvoorbeeld het Crohn-model, de kliniek in te krijgen, inclusief implementatieplan en met haar recente inzichten over communicatie en vertrouwen. Daarna wil ze meten, zodat er bewijs ontstaat. Verandert de besluitvorming over de ziekte? Kiezen mensen andere behandelingen? Zijn er minder bijwerkingen? Zijn er minder consulten?
Is de patiënt eenmaal mee, dan rest nog de arts. Die wil concreet bewijs zien dat AI toegevoegde waarde heeft. Fijten: “Ik hoor vaak van artsen: bewijs eerst wat zo’n AI-oplossing oplevert. Daar zit waarheid in, want studies die dat laten zien, zijn er vaak niet.”
Over AiNed Fellowship Grants
AiNed Fellowship Grants helpen Nederlandse kennisinstellingen om internationaal AI-toptalent aan te trekken en te behouden. De beurs financiert de aanstelling van een AI-onderzoeker als universitair docent, universitair hoofddocent of hoogleraar. De Fellowship Grants zijn onderdeel van het Nationaal Groeifonds-programma AiNed en worden uitgevoerd door NWO.
Om de AiNed-trajecten in de zorg te verbinden bracht AIC4NL op 27 oktober verschillende AiNed-trajecten samen met AI-hubs, zorgorganisaties, zorgverzekeraars,...
Met een AiNed Fellowship Grant halen Nederlandse universiteiten en onderzoeksinstellingen internationaal AI-toptalent naar Nederland. De beurs financiert de aanstelling van een AI-onderzoeker als (tenure track) universitair docent, universitair hoofddocent of
De Nederlandse zorg staat onder druk. De zorgvraag stijgt, de kosten lopen op en het personeelstekort groeit. AI kan hier verlichting brengen. Denk aan minder administratie, snellere en preciezere diagnoses,
Om de beste ervaringen te bieden, gebruiken we technologieën zoals cookies om apparaatinformatie op te slaan en/of te openen. Door toestemming te geven voor deze technologieën kunnen we gegevens verwerken, zoals browsegedrag of unieke ID's op deze site. Geen toestemming geven of toestemming intrekken kan een negatieve invloed hebben op bepaalde functies en mogelijkheden.
Functional
Altijd actief
The technical storage or access is strictly necessary for the legitimate purpose of enabling the use of a specific service explicitly requested by the subscriber or user, or for the sole purpose of carrying out the transmission of a communication over an electronic communications network.
Preferences
The technical storage or access is necessary for the legitimate purpose of storing preferences that are not requested by the subscriber or user.
Statistics
The technical storage or access that is used exclusively for statistical purposes.The technical storage or access that is used exclusively for anonymous statistical purposes. Without a subpoena, voluntary compliance on the part of your Internet Service Provider, or additional records from a third party, information stored or retrieved for this purpose alone cannot usually be used to identify you.
Marketing
The technical storage or access is required to create user profiles to send advertising, or to track the user on a website or across several websites for similar marketing purposes.