AI kan de zorg beter en efficiënter maken. Meer tijd voor de zorgmedewerkers, meer gemak voor de patiënt. Drie voorbeelden die nu al in Nederland in gebruik zijn. ‘Zonder de vervelende klusjes gaat het werkplezier omhoog.’
In feite, zegt Carl Moons, is AI in de zorg weinig anders dan de AI van Netflix. Je hebt wat romantische comedy’s gekeken, twee seizoenen Emily in Paris en een documentaire over Amy Winehouse, en dan schat het algoritme in dat je het progressief-romantische kostuumdrama Bridgerton vast ook goed vindt.
Werkt in de zorg ook zo: je hebt een aantal symptomen, wat vlekjes op de MRI, en AI geeft een risico-inschatting van de aandoeningen die je hebt of krijgt. ‘Het is hetzelfde soort algoritme’, zegt Moons. ‘Verschil is natuurlijk: een verkeerd filmadvies is niet zo erg. De consequenties van een verkeerd advies zijn in de zorg vele malen groter.’
Daarom blijft er voorlopig altijd een mens betrokken bij AI-toepassingen in de zorg. En daarom ook, zegt Moons, zijn veel AI-projecten in de zorg nog in de testfase: eerst moet volstrekt duidelijk zijn dat de AI goed zijn werk doet.
Moons is hoogleraar en boegbeeld AI in het UMC Utrecht en de initiatiefnemer en mede-opsteller van de Nederlandse leidraad voor AI in de zorg (al uit 2019). Hij leidt een aantal internationale AI-consortia en richtte in het UMC Utrecht de AI-labs op. Toch zag ook hij vijf jaar geleden niet aankomen waar AI nu al toe in staat is. Vooral de mogelijkheden die de taalmodellen bieden om de administratieve lasten in de zorg aan te pakken, ziet hij ‘als echte gamechanger’.
Tegelijkertijd ‘zijn we nog in de opstartfase’, zegt Moons. ‘Het hoogtepunt moet nog komen.’
Een van de problemen is dat ziekenhuizen wel AI-oplossingen voor eigen gebruik mogen ontwikkelen, maar willen ze hun medische toepassingen op de markt brengen, dan vergen de controles en certificeringen jarenlange procedures. Tegen de tijd dat de toepassing dan op de markt is, is-ie al weer achterhaald.
Twee jaar na de lancering van ChatGPT daarom de vraag: wat is er al wél? En hoe helpt dat de zorg? Drie concrete voorbeelden:
Als één aandoening geschikt is voor de inzet van AI, dan is het wel borstkanker. Honderdduizenden mammografieën per jaar, ideaal om algoritmen te trainen op verdachte vlekjes.
Uit Zweeds onderzoek bleek vorig jaar dat AI beter tumoren herkent dan radiologen. De Gezondheidsraad verwacht dan ook dat de kwaliteit van het bevolkingsonderzoek ‘aanzienlijk verbeterd’ kan worden met de inzet van AI. Binnen enkele jaren moet het zover zijn, de voorbereidingen moeten nu al beginnen, vindt de raad.
Op andere plekken in de borstkankerzorg doet AI al volop mee. Zoals in het laboratorium van het UMC Utrecht waar pathologen stukjes weefsel onderzoeken op uitzaaiingen.
‘Als een vrouw borstkanker heeft, dan is er kans op uitzaaiingen in de lymfeklieren’, zegt Carmen van Dooijeweert, onderzoeker aan het UMC. ‘Tijdens een ingreep haalt de chirurg daarom de schildwachtklier, het eerste stationnetje vanaf de tumor, eruit.’ Dat bolletje klier ‘choppen’ pathologen tot een aantal flinterdunne plakjes (ook wel: coupes) en die gaan in de scanner.
De pathologen moeten vervolgens op hun beeldschermen op zoek naar kankercellen die er meestal niet zijn, ‘een best wel saai en tijdrovend klusje’. En als ze met het ‘blote oog’ geen uitzaaiingen zien, doen ze relatief kostbare kleuringen waardoor de kankercellen duidelijk zichtbaar worden. AI kan helpen. De software controleert de scans, zet cirkels om verdachte plekjes en geeft kleurcodes. Rood is bijna zeker tumor, oranje is verdacht, geel is toch maar even checken voor de zekerheid.
Van Dooijeweert: ‘Het scheelt tijd en geld: van meer dan zes minuten per weefselmonster naar onder de vier en ongeveer 30 procent minder kleuringen. Natuurlijk gaat een patholoog daar echt niet eerder door naar huis. Belangrijker is dat het werkplezier verbetert en we kosten besparen.’
Meer tijdwinst boeken laboranten en artsen in het Catharina Ziekenhuis in Eindhoven. Als een patiënt met borstkanker aan de bestraling moet, maken de artsen eerst een CT-scan en op basis daarvan een bestralingsplan.
Bij die CT-scan is het vervelende dat laboranten en artsen per scan de organen en het tumorgebied handmatig moeten intekenen, zegt onderzoeker Nienke Bakx. Dat dient om later de juiste hoek en intensiteit van de bestraling te kunnen bepalen, waarbij de gezonde organen zo veel mogelijk worden ontzien. ‘Er zijn softwaretools die kunnen helpen, maar het blijft een kwestie van met de muis een lijntje om alle organen tekenen.’ Ook hier geldt: dit kun je ook AI leren – 85 procent van alle AI-toepassingen in de zorg is hulp bij screening.
Nu AI de organen intekent, scheelt dat een half uur tijd per patiënt. Vervolgens pakt het radiotherapieteam nog een paar minuten winst door AI alvast het bestralingsplan te laten klaarzetten. In 80 procent van de gevallen levert de software in één keer een foutloos plan op een presenteerblaadje.
Quizvraag: hoeveel polikliniekafspraken zijn er per jaar in een academisch ziekenhuis als het Erasmus MC? Antwoord: achthonderdduizend. Doorgaans komt 5 procent van de patiënten niet opdagen. Onhandig, zegt Ilse Kant, AI-manager in het UMC Utrecht. ‘Het maakt de planning lastig en we kunnen minder mensen helpen dan we zouden willen.’ Ook niet onbelangrijk: het ziekenhuis loopt omzet mis, want het kan de misgelopen afspraken niet declareren.
Om de polikliniekassistenten niet gillend gek te laten worden – zij zien al die gaten in de agenda ontstaan en moeten alle inhaalafspraken inplannen – roepen steeds meer ziekenhuizen de hulp in van AI. Door een algoritme te voeden met informatie over alle polikliniekafspraken van de afgelopen tien jaar – wie hebben er eerder een afspraak gemaakt, hoe oud, welke afstand van het ziekenhuis – komt elke patiënt in een risicogroep terecht.
Kant: ‘We geven het algoritme zo min mogelijk informatie en voeren geen gegevens in die tot discriminatie door het algoritme zouden kunnen leiden. Daarom kiezen we bijvoorbeeld voor ‘afstand tot het ziekenhuis’ en niet voor de postcode. Onze code is bovendien openbaar, iedereen kan ons controleren of verbeteren.’
Werkstudenten bellen vervolgens de patiënten met het hoogste risico na, nu zo’n honderd tot honderdvijftig per dag. Ze herinneren de patiënten aan de afspraak (normaal gebeurt dat alleen per sms) en kunnen die meteen laten verzetten als dat nodig is.
Tijdens een proefproject op drie poli’s in het ziekenhuis daalde het aantal ‘no-shows’ van 5 naar ruim 3 procent. Dat lijkt weinig, maar het zijn toch duizenden patiënten die per jaar geholpen kunnen worden. Inmiddels doen veertien afdelingen mee. Uit een soortgelijk experiment in het Erasmus bleek de nabelactie bovendien kosteneffectief.
Daar belden medewerkers in een studie naar de toepassing patiënten van 24 afdelingen na: dat leverde ruim zesduizend extra afspraken per jaar op. Kosten van het nabellen: 144 duizend euro. Extra omzet voor het ziekenhuis: tussen de 170- en 275 duizend euro.
De makke aan veel huisartsenpraktijken, vindt huisarts Peter Dekkers, is dat ze nog precies zo werken als twintig jaar geleden. Wil je een afspraak, dan bel je. De assistent plant iets in, je komt langs, de huisarts vat je klachten samen in het dossier en geeft advies.
Het contact verloopt daardoor altijd synchroon: patiënt en assistent of huisarts zijn altijd tegelijkertijd nodig. Aan die inefficiëntie begon Dekkers (ook afgestudeerd in de medische informatiekunde) zich zo te ergeren dat hij met compagnons de applicatie Praat met de dokter ontwikkelde.
Patiënten bellen niet meer met de huisartsenpraktijk (al blijft die mogelijkheid er wel, voor spoedgevallen of mensen die niet digitaal vaardig zijn), ze sturen een bericht. AI filtert uit het bericht om wat voor vraag het gaat: bij een herhaalrecept of een verzoek tot het wijzigen van een afspraak regelt de doktersassistent dat.
Bij een medische vraag komt de chatbot in actie die is geladen met de informatie uit de medische huisartsenrichtlijnen. Dekkers: ‘Het voordeel is dat patiënten nu context moeten geven over hun klacht: hoelang heeft iemand al buikpijn? Wat heeft de patiënt zelf al geprobeerd? Heeft-ie koorts?’
Ander voordeel: de conversatie verloopt nu asynchroon. De patiënt kan ook ’s avonds als de kinderen op bed liggen alvast de vraag aan de huisarts stellen. Die antwoordt de volgende ochtend en loopt die dag nog vier keer de vragen door die via de app zijn binnengekomen. Dekkers: ‘Patiënten willen binnen drie uur een antwoord, duurt het langer, dan gaan ze alsnog bellen.’
De AI maakt voor Dekkers vast een samenvatting van het chatgesprek voor in het patiëntendossier, wat hem veel tijd scheelt. De arts kan daarna kiezen of hij via de app advies geeft of al genoeg informatie heeft om bijvoorbeeld een verwijzing te maken of dat hij een patiënt alsnog op het spreekuur laat komen.
Bang dat patiënten informatie voor de chatbot verzwijgen is hij niet. In de praktijk blijkt dat patiënten ook hun klachten over vaginaal bloedverlies of erectieproblemen aan de chatbot toevertrouwen.
Grootste voordeel voor Dekkers is de tijdswinst: de patiënt vult nu al zelf veel informatie in, overbodige afspraken komen minder vaak voor en het aantal telefoontjes zakte tot 25 per dag – waar de meeste huisartsenpraktijken er meer dan honderd krijgen.
‘Daardoor kan ik nu meer patiënten aannemen. Gezien het huisartsentekort geen overbodige luxe’, zegt Dekkers. En, geeft hij toe, dat biedt hem ook financiële voordelen: hoe meer patiënten, hoe meer inkomsten.
Geselecteerd door de redactie
Lees hier alle artikelen over dit thema
Source: Volkskrant