Innovatie & Strategie

Artificial Intelligence
smartphone

AI krijgt een belangrijk rol in persoonlijke gezondheid

Nog wel heel wat haken en ogen.

© Shutterstock Monstar Studio
10 september 2022

Nog wel heel wat haken en ogen.

Bij gezondheidszorg denken velen vooral aan medische tests, medische handelingen en medicijnen. Maar veel ziekten - met name chronische - hebben een leefstijlcomponent. Om die goed in kaart te brengen moeten opeens veel meer gegevens worden geanalyseerd. Daar kunnen digitale technologie en kunstmatige intelligentie bij helpen, maar er zitten ook nog heel wat haken en ogen aan. 

Een behandeling van een aandoening is geen 'one size fits all'. Dat besef dringt steeds duidelijker door in de gezondheidszorg. Soms hebben ziekten verschillende vormen die een aparte behandeling vereisen. Maar nog veel belangrijker is dat niet alle mensen hetzelfde reageren op een behandeling. Naast biometrische factoren zoals bijvoorbeeld leeftijd, geslacht, bloeddruk, hormoonspiegels en niet gerelateerde andere aandoeningen, spelen ook een veelheid aan andere factoren een rol. Denk bijvoorbeeld aan sociale omgeving, voeding en beweging. Het streven in de gezondheidszorg is om een behandeling op maat voor te schrijven die met al die factoren rekening houdt.

Het voordeel is dat mensen tegenwoordig met hun telefoon al veel gezondheidsinformatie registreren met behulp van apps, smartwatches, Fitbits en dergelijke. "Het patroon van de stappen die iemand zet, kan al een indicatie zijn voor een pril stadium van Parkinson", vertelt Stephan Raaijmakers. Hij is hoogleraar Communicatieve AI aan de universiteit Leiden en senior scientist bij TNO.

Veel meer data beschikbaar

Afgezien van die registratie met consumentenapparatuur, kunnen zorgverleners tegenwoordig veel makkelijker extra sensoren en hulpmiddelen verstrekken om een patiënt zelf gegevens te laten verzamelen. Voor zorgverleners is het echter lastig al die informatie te analyseren en te combineren tot een goed persoonlijk advies. "Daar kan kunstmatige intelligentie een grote rol bij spelen", zegt Carla Rombouts - Gordijn, Business Development Manager Healthy Living bij TNO.

Raaijmakers kijkt onder meer naar de manier waarop soms complexe medische informatie via een app of chatbot goed kan worden overgebracht. "De huidige generatie chatbots past zich nog slecht aan de mens aan. We willen dat iedereen de goede informatie krijgt op zijn of haar niveau ongeacht leeftijd, geslacht, culturele achtergrond, digitale vaardigheid enzovoort. Daarvoor moet de AI een beter begrip krijgen van de mens aan de andere kant en zich daarop aan te passen. Dat noemen we adaptieve communicatieve AI." Daar zit ook wel een ethische kant aan, waarschuwt hij.  "Als je een adaptief systeem maakt, profileert dat systeem je. Denkt het systeem dat ik laaggeletterd ben, dan zou het zich moeten aanpassen in woordgebruik. Dat is fijn voor mij, maar ik word wel gelabeld als laaggeletterd. We moeten er dus voor zorgen het van buitenaf onmogelijk is de profilering door dit soort systemen in te zien." Dat kan bijvoorbeeld door de inzet van cryptografie.

Einde aan lukrake adviezen

De onderzoeksgroep bij TNO kijkt ook hoe bestaande gezondheidsapps hierbij een rol kunnen spelen. Rombouts: "Een paar jaar geleden zijn veel van die apps op de markt gekomen die lukraak adviezen geven vooral omdat ze daarmee verkeer genereren. Nu zie je dat partijen zich realiseren dat ze ook een verantwoordelijkheid hebben. Bij TNO helpen we om deze adviezen van een goede wetenschappelijke basis te voorzien."

In Groningen werkt een consortium van kennisinstellingen, maatschappelijke partners, burgers en bedrijven aan een viertal 'use cases' om een  breed zicht te krijgen op de problematiek die kan spelen bij het gebruik van kunstmatige intelligentie in de zorgverlening. Mirjam Plantinga is de 'trekker' van het ELSA AI lab Northern Netherlands (ELSA-NN) waarin onder meer aandacht is voor de inzet van AI in de zorg in brede zin, met specifieke aandacht voor perspectieven van groepen  met een lage sociaaleconomische status (SES). "In het noorden hebben we een wat grotere groep mensen die in armoede leven. We weten al jaren dat er verschil is in gezondheid tussen mensen met hoge en lage SES. Het gevaar is dat met de inzet van digitalisering en AI, dit verschil toeneemt doordat deze alleen worden gebruikt door mensen die er goed mee om kunnen gaan en er geld voor hebben. Dat staat haaks op idee dat deze ontwikkelingen de publieke waarden respecteren en de zorg verbeteren."

Beginnen bij de doelgroep

De inzet van AI kan zorgverleners veel werk uit handen nemen. Maar in het Groningse consortium  is wel duidelijk dat de technologie niet het uitgangspunt mag zijn. Plantinga: "Dan krijg je een oplossing die niet aansluit bij het probleem. Ik hoop dat wij dat beter kunnen doen door te beginnen bij de doelgroep en het probleem helder te krijgen. De tweede vraag is pas: zou technologie daar een oplossing in kunnen zijn en hoe dan? We bekijken samen met ervaringsdeskundigen welke taal we moeten gebruiken. Dat heeft afgelopen jaren belangrijke inzichten opgeleverd."

Bij TNO wordt bijvoorbeeld ook gekeken naar hoe je de kwaliteit van gezondheidsadviezen aan mensen kunt waarborgen. Rombouts: "Je moet zorgen dat adviezen die gegeven worden via AI, geverifieerd worden door een specialist, bijvoorbeeld een arts. We onderzoeken nu hoe dat moet worden gecombineerd met een persoonlijk advies dat op het juiste moment bij iemand aankomt. Dat is best ingewikkeld."
 

Explainable AI

Een van de huidige discussiepunten is het inzichtelijk maken hoe kunstmatige intelligentie en met name algoritmen die op machine learning zijn gebaseerd aan hun conclusies en adviezen komen. Een van de stromingen is 'explainable AI', waarin geprobeerd wordt inzichtelijk te maken wat er gebeurt in de 'black box'. Stephan Raaijmakers heeft enige tijd geleden geconcludeerd dat die denkrichting een doodlopende weg is. "AI wordt steeds complexer. Grote modellen van weleer zijn nu miniatuurblokjes in nieuwere modellen. Het is eigenlijk theoretisch onmogelijk om te volgen. De data die als input dienen, worden helemaal uitgekleed in een subsymbolische representatie, in nullen en enen, zeg maar. Dan wordt er nog eens ruimtelijk en in de tijd mee gerekend waarna er heel subtiele verbanden kunnen worden gedetecteerd, maar wel heel accuraat. Ga je dat weer terugbrengen naar een symbolisch interpretatieniveau, leidt dat altijd tot informatieverlies."

Hij ziet meer in het accepteren van een AI-systeem als een slimme collega die misschien wat ondoorgrondelijk te werk gaat, maar wel heel goede adviezen geeft. "Vervolgens moet de arts de conclusie of het advies in alle gevallen klinisch testen. Als in bij wijze van spreke 94 van de 100 gevallen het AI-systeem het beter doet dan een mens, is het heel erg bruikbaar. Als het advies klinisch klopt, hoef je je niet af te vragen hoe het systeem eraan gekomen is." Hij wordt daarin gesteund door een aantal onderzoekers die onlangs een vergelijkbare argumentatie publiceerden in het medisch tijdschrift The Lancet.

Aan de andere kant is het ook van belang hoe de eindgebruiker staat ten opzichte van het gebruik van AI. Veel mensen hebben wel een idee over wat AI is maar die ideeën kloppen niet vaak met werkelijkheid. Op basis van de sciencefictionfilms is er bij sommigen een beeld ontstaan dat robots de wereld overnemen. Demystificatie van AI is een belangrijk onderwerp, zegt Plantinga. "We gaan intensief  in gesprek met burgers. Vinden ze AI interessant of zijn ze juist wantrouwend of angstig?  Waar komt dat door? In hoeverre zijn dat soort zorgen of angsten reëel? Het kan ook dat mensen te optimistisch zijn,  te hoge verwachtingen hebben. Dat kun je dan ook temperen. "

AI ook voor zorgverlener

Naast toepassingen van AI die gericht zijn op eindgebruikers of patiënten, is er al langer technologie voor de ondersteuning van de zorgverlener, de huisarts en de specialist. Bijvoorbeeld bij radiologen is beeldherkenning bij het beoordelen van scans al redelijk ingeburgerd. Maar ook op het gebied van tekstanalyse kan kunstmatige intelligentie veel betekenen. Rombouts: "Het ontsluiten van alle beschikbare medische informatie is een heilige graal voor de zorg. Maar er zijn ontelbaar veel onderzoeken. De afgelopen twee jaar werden bijvoorbeeld minimaal 400 onderzoeken per dag over COVID-19 gepubliceerd."

TNO werkt daarom aan technologie om de kennis uit bijvoorbeeld de medische databank PubMed, te ontsluiten. Het streven is dat een arts na het intikken van een vraag alle relevante wetenschappelijke inzichten krijgt voorgeschoteld. Rombouts: "Zo ver is het nog zeker niet. Een van de uitdagingen is al die informatie 'machine readable' te maken en te ontsluiten te automatiseren. Daarvoor moeten de data 'findable, accessable, interoperable en reuseable' (FAIR) worden gemaakt. Het is bovendien belangrijk dat deze informatie open beschikbaar komt om te voorkomen dat uiteindelijk samenleving ontstaat die wordt gedomineerd door techleveranciers, zoals Google en Facebook."

Daarnaast moeten ook de gegevens van de patiënt zelf, de ziekenhuisdata, gegevens van de fysiotherapeut en andere zorgverleners machine readable worden gemaakt en op een veilige en patiëntvriendelijke manier kunnen worden gepresenteerd.

De ontwikkeling van de persoonlijke gezondheidsomgeving (PGO, zie ook PGO.nl) is daarbij een belangrijke stap. Plantinga: "Het gaat erom dat je de regie bij de burger neerlegt. Dat die zelf inzicht krijgt in zijn gezondheid en daar naar kan acteren op basis van persoonlijke en medische gegevens. Een van de use cases waar we naar kijken is de ontwikkeling van een AI -tool waarmee een gepersonaliseerd behandeladvies kan worden gegeven, in eerste instantie voor de arts die samen beslist met de patiënt."

Magazine AG Connect

Dit artikel is ook gepubliceerd in het magazine van AG Connect (oktober 2022). Wil je alle artikelen uit dit nummer lezen, zie dan de inhoudsopgave.

Reactie toevoegen
De inhoud van dit veld is privé en zal niet openbaar worden gemaakt.