Innovatie & Strategie

Artificial Intelligence
zorg

AI maakt gezondheidszorg beter

Gezondheidszorg is niet ziek, maar kan wel beter. AI en ML helpen hierbij.

19 augustus 2019

De discussie rond artificial intelligence (AI) en machine learning (ML) is geen loze praat. Onderzoek op geavanceerde gebieden als machine learning blijft aantonen dat computers de mogelijkheid bieden om resultaten te voorspellen en de prestaties van artsen bij uiteenlopende taken te verbeteren.

Zo heeft de Amerikaanse keuringsdienst van waren en medicijnen (FDA) dit jaar de eerste AI-diagnostiek goedgekeurd: een test voor diabetische retinopathie die een uitslag geeft zonder dat er een mens aan te pas hoeft te komen.

En dit is nog maar het begin. De gezondheidszorg staat aan de vooravond van een door AI en ML aangedreven transformatie, zien we bij AWS. Deze transformatie wordt gevoed door een overvloed aan gegevensbronnen. Denk aan: elektronische medische dossiers, genoomsequenties, mobiele apparaten, geïntegreerde sensoren en zelfs factuurgegevens.

Ergernissen wegnemen

Er zijn al duizenden bedrijven die AI en ML-oplossingen toepassen om de beleving van de gezondheidszorg te verbeteren. Zocdoc gebruikt AI bijvoorbeeld voor iets wat heel simpel lijkt, maar vaak grote ergernis geeft bij patiënten. Het bedrijf heeft een applicatie ontwikkeld voor het scannen van verzekeringspassen. De app laat klanten weten of bepaalde artsen vergoed worden door hun verzekering.

Door een model te bouwen voor deep learning en een neuraal netwerk te leren om een groot aantal verzekeringspassen te lezen, heeft Zocdoc een systeem ontwikkeld dat relevante gegevens extraheert en deze in real-time controleert bij verzekeraars om na te gaan of het bezoek van een patiënt aan een bepaalde zorgaanbieder vergoed wordt.

Data is de grondstof

Om AI en ML-toepassingen mogelijk te maken, is één grondstof onontbeerlijk: gegevens. Gegevens vormen het essentiële bestanddeel dat gezondheidszorgorganisaties nodig hebben om de efficiëntie te vergroten, betere resultaten te behalen en de kwaliteit van leven te verbeteren, zowel van patiënten als zorgverleners.

In de gezondheidszorg gaat het behandelen van patiënten en het ontwikkelen van nieuwe behandelingen voor en schuift het verzamelen en analyseren van gegevens vaak naar de achtergrond. Er zijn echter nieuwe middelen waarmee ontwikkelaars ML en andere vaardigheden eenvoudig kunnen toevoegen aan de protocollen voor het ontwikkelen en toepassen van behandelingen. AI en ML zijn niet meer voorbehouden aan onderzoekers en technologiebedrijven, maar bereikbaar voor iedereen.

Voorwaarden voor succes

Of het uitbreiden van deze toepassingen ook succesvol is, hangt van een aantal dingen af. Er zijn grote hoeveelheden nauwkeurig samengestelde en kwalitatief hoogwaardige gegevens voor nodig, die wellicht moeilijk te verkrijgen zijn in een sector als de gezondheidszorg, waar gegevens vaak gecompliceerd en ongestructureerd zijn. Kwalitatief hoogwaardige datasets zijn niet alleen nodig om de door AI en ML aangedreven systemen te bedienen, maar vooral ook om de trainingsmodellen te voeden waarop ze gebaseerd zijn.

De systemen moeten bovendien geoptimaliseerd worden voor de intensieve rekentaken die typerend zijn voor AI-toepassingen en geüpdatet worden naarmate de technologie zich verder ontwikkelt. IT-middelen die aan de geldende normen en voorschriften voldoen, moeten de veiligheid en bescherming waarborgen van patiënten- en andere gevoelige gegevens. Kortom, het toepassen van AI valt of staat met data.

21 petabyte in de cloud

Zo bouwt Philips aan het digitale platform HealthSuite op een schat van ruim 21 petabyte aan gegevens in de cloud van 390 miljoen medische foto's, medische dossiers en bijdragen van patiënten. HealthSuite geeft zorgverstrekkers, clinici, datawetenschappers en softwareontwikkelaars toegang tot zowel de kwaliteitsgegevens als de AI-middelen die ze kunnen gebruiken om de zorg in real-time te verbeteren.

Een ander bedrijf dat goed bezig is op AI-gebied is Flatiron Health. Die firma koppelt klinische gegevens van 265 oncologiepraktijken, een groeiend netwerk van grote universitaire medische centra en andere gezondheidszorgorganisaties. Tezamen documenteren deze instellingen ruim 2 miljoen gevallen van kanker.

Door deze gegevens te integreren in AI-systemen kan Flatiron de zorg optimaliseren, nieuwe behandelprotocollen ontwikkelen en potentiële nieuwe behandelingen ontdekken. Hoeveel dit waard is, blijkt uit het feit dat het Zwitserse farmaceutische bedrijf Roche, dat sinds 2015 in Flatiron investeerde, het bedrijf volledig heeft overgenomen voor 1,9 miljard USD.

Innoveren voor betere zorg

Naast de grondstof data is er nog een ander cruciaal element vereist voor ‘gezonde inzet’ van AI en ML. Namelijk cloudtechnologie om opslagcapaciteit, flexibiliteit, beveiliging en analytische capaciteit te bieden die nodig zijn om AI en ML te implementeren en nieuwe innovaties aan te drijven. Rekenplatforms in de cloud maken het eenvoudig om data op te nemen en te verwerken, al dan niet gestructureerd of door middel van streaming. Deze middelen stroomlijnen het bouwen, trainen en toepassen van op ML gebaseerde modellen.

Gezondheidszorgorganisaties die gegevens gebruiken om zichzelf en hun klanten efficiënter en doeltreffender te maken, zullen de komende jaren het meeste succes hebben. Dit geldt zeker als niet alleen de verschuiving naar AI op gang komt, maar ook de daarmee mogelijke verschuiving naar een op waarde gebaseerde gezondheidszorg. Welke organisatie biedt de beste zorg, welke biedt de meeste waarde?

Iedereen wordt er beter van

Van gevestigde conglomeraten tot start-ups, gezondheidszorgbedrijven bedienen zich steeds vaker van AI en ML. Zij kunnen daarmee innoveren om hun bedrijf en bedrijfstak te transformeren naar betere zorgverlening. Bijvoorbeeld door tijd te besparen bij het opzetten van AI-toepassingen en door tegelijkertijd de beleving voor de patiënt te verbeteren.

Hoewel de beschikbaarheid en de omvang van gegevensbronnen almaar toenemen, blijven de essentiële ingrediënten voor het succes van AI en ML ongewijzigd. Deze basis ingrediënten zijn: kwalitatief hoogwaardige gegevens, geoptimaliseerde systemen, de cloud en services die ML toegankelijk maken voor gewone ontwikkelaars. Laatstgenoemde elementen nemen voor developers de zware last weg van het bouwen, trainen en invoeren van AI- en ML-modellen. Als deze basis eenmaal is gelegd, kunnen AI en ML de gezondheidszorg efficiënter en doeltreffender maken, de besluitvorming verbeteren en waarde toevoegen voor patiënten en zorgverleners.

Reactie toevoegen