Kunstmatige intelligentie (AI) biedt de gezondheidszorg enorme mogelijkheden, bijvoorbeeld om grote hoeveelheden gegevens snel en gedetailleerd te analyseren. Op het gebied van in vitro diagnostiek (IVD) kan dit zelfs leiden tot grootschalige hervormingen.
Allereerst heeft AI in de diagnostiek het potentieel om hoogwaardige gezondheidszorg toegankelijker en betaalbaarder te maken door zorgverleners te helpen sneller de meest geschikte behandelbeslissingen voor hun patiënten te nemen. Ten tweede kan AI de backoffice veranderen door vervelende en tijdrovende administratieve klussen uit te voeren, waardoor het personeel zich kan richten op taken die waarde toevoegen, terwijl inefficiënties worden verminderd en de inzet van middelen wordt verbeterd.
Laten we dieper ingaan op hoe AI een revolutie teweegbrengt in zorg- en diagnostische trajecten.
De inzet van AI in diagnostiek voor efficiëntere en nauwkeurigere klinische besluitvorming
Aangezien onze wereld steeds digitaler wordt, groeit de wereldwijde datasfeer naar verwachting van 64 zettabyte in 2020 tot 181 zettabyte in 2025 (een zettabyte is een miljard terabyte). Vergeleken met de productie-, financiële en media- en entertainmentsectoren groeit de hoeveelheid gegevens in de gezondheidszorg het snelst, met een samengesteld jaarlijks groeipercentage van 36%.1 Gezien de enorme hoeveelheid gegevens die wordt gegenereerd (inclusief de groei van medische kennis), zien artsen zich tegenwoordig geconfronteerd met een overweldigende hoeveelheid data, zelfs wanneer ze een individuele patiënt diagnosticeren. AI heeft echter het potentieel om zorgprofessionals in staat te stellen hun diagnostische capaciteiten te versnellen en te verbeteren door klinisch relevante inzichten te extraheren uit de schat aan beschikbare informatie.
De kracht van AI om ziekten in een vroeg stadium te diagnosticeren, werd recent benadrukt in een onderzoek dat het gebruik van AI om COVID-19-positieve patiënten te identificeren, evalueerde. Een AI-algoritme dat thorax computertomografie (CT) bevindingen integreerde met klinische symptomen, blootstellingsgeschiedenis en laboratoriumtesten bleek net zo goed in staat COVID-19 patiënten correct te identificeren als een ervaren thoraxradioloog. Bovendien presteerde het algoritme beter dan radiologen bij het identificeren van patiënten die positief getest waren via reverse transcriptase-polymerase chain reaction (RT-PCR) en die in een vroeg stadium van de ziekte normale CT-resultaten vertoonden.2
Het onderzoek toonde de potentie van AI aan als een nuttig screeninginstrument dat kan bijdragen aan de snelle diagnose van infectieziekten zoals COVID-19, zeker wanneer toegang tot specialisten beperkt is en tijd een belangrijke factor speelt bij het starten met toepasselijke behandeling.
AI-technologieën boeken grote vooruitgang in beeldvormend onderzoek. Onderzoeken tonen aan dat de inzet van AI mogelijk kan leiden tot het eerder opsporen van ziekten en tegelijkertijd de workflow kan verbeteren door de leestijd te versnellen en automatisch voorrang kan geven aan dringende gevallen.2,3
AI kan grote hoeveelheden medische beelden bekijken en vervolgens snel en regelmatig patronen identificeren, inclusief variaties die mensen niet kunnen identificeren. Dit verbetert mogelijk niet alleen patiëntresultaten, het bespaart ook geld - eerdere diagnose en behandeling van veel kankervormen bijvoorbeeld kan leiden tot een kostenreductie van tot wel 50%.4
AI-systemen zijn inzetbaar ter ondersteuning om diagnoses te stellen op basis van beeldvormend onderzoek in veel ziektegebieden, waaronder oncologie en cardiologie, gastro-enterologie of hepatologie en neurologie.5 Dit draagt bij aan het enorme potentieel om klinische besluitvorming te ondersteunen in situaties waarin grote tijdsdruk is, of wanneer er sprake is van een gebrek aan deskundige kennis, bijvoorbeeld in het geval van afgelegen of slecht gefinancierde medische voorzieningen.
De druk op administratieve en laboratoriummiddelen verlichten
Van 2000 tot 2019 groeide het aantal werkenden in zorg en welzijn het snelst van alle bedrijfstakken in Nederland. Zo waren in 2019 anderhalf keer zoveel mensen werkzaam in de zorg als in 2000. Een veelgehoorde klacht onder zorgpersoneel is de enorme administratieve druk van het werk, grotendeels veroorzaakt door complexe regelgeving, technologie en systeeminefficiëntie.
Het is niet erg waarschijnlijk dat de inzet van technologie afneemt of dat de wettelijke vereisten gaan versoepelen. Om dit te compenseren is het gebruik van hulpmiddelen zoals AI-gestuurde backofficesoftware van grote toegevoegde waarde. Een recent rapport van Accenture bijvoorbeeld schat dat tegen 2026 AI-toepassingen die de administratieve workflow van zorgorganisaties stroomlijnen alleen al in de VS kunnen leiden tot jaarlijkse kostenbesparingen van 18 miljard dollar.7
Naast het enorme potentieel dat AI biedt op het gebied van analyse en diagnose, zoals hierboven beschreven, wordt het grootste deel van de tijd en inzet in een laboratorium besteed aan pre- en post-analytische processen.10 AI kan bijdragen aan aanzienlijke verbeteringen van de workflow en productie, waarmee tijd, arbeid en kosten bespaard worden.10
AI-experts bieden inzichten in de succesvolle implementatie
Om succesvol te zijn moet de inzet van AI in diagnostiek goed worden begeleid. Apparaten zijn heel goed in het uitvoeren van specifieke maar beperkte taken - smal en diep. Mensen moeten een cruciale rol blijven spelen bij de bepaling van het beoogd gebruik van ieder op AI-gebaseerd hulpmiddel, net als bij het ontwerp en de implementatie daarvan.
Het toekomstig succes van AI in de diagnostiek hangt af van vertrouwen
Naarmate de inzet van AI in de diagnostiek niet langer in de kinderschoenen staat en vooruit blijft gaan, lijken de mogelijkheden die het biedt om de zorg te verbeteren en middelen efficiënter te gebruiken onbegrensd. Natuurlijk blijven er, net als bij elke verstorende technologie, nog vragen en zorgen over de inzet van AI.
Tijdens onze gesprekken benadrukken experts grotendeels het belang van vertrouwen en openheid tijdens het bewerkstelligen van het geïntegreerde gebruik van op AI gebaseerde oplossingen in zorgstelsels. Eveneens is duidelijk dat het ontwikkelen van zulke hulpmiddelen samenwerking vereist tussen vele disciplines, waarbij de patiënt centraal staat en de eindgebruiker integraal onderdeel is van het ontwerp.
Referenties
Reinsel et al. (2018). Article available from https://resources.moredirect.com/white-papers/idc-report-the-digitization-of-the-world-from-edge-to-core [Accessed October 2021]
Mei. (2020). Nature Medicine 26, 1224–1228
Pesapane. (2018). Eur Radiol Exp 2,35
Aboshiha et al. (2019). Article available from https://www.bcg.com/en-ch/publications/2019/chasing-value-as-ai-transforms-health-care [Accessed October 2021]
Liu et al. (2019). The Lancet Digital Health 1, E271-E297
Ross. (2019). HealthLine News. Article available from https://www.healthline.com/health-news/policy-ten-administrators-for-every-one-us-doctor-092813 [Accessed October 2021]
Accenture Health. (2017). Report available from https://www.accenture.com/_acnmedia/PDF-49/Accenture-Health-Artificial-Intelligence.pdf [Accessed October 2021]
US Bureau of Labor Statistics (2021). Report available from https://www.bls.gov/ooh/healthcare/clinical-laboratory-technologists-and-technicians.htm [Accessed October 2021]
Data USA. (2021). Report available from https://datausa.io/profile/cip/clinical-laboratory-technician [Accessed October 2021]
Halasey. (2019). Article available from https://clpmag.com/diagnostic-technologies/anatomic-pathology/microscopy/ais-impact-on-in-vitro-diagnostics/ [Accessed October 2021]
leestijd | 6 min
Ontvang de meest recente inzichten uit de medische diagnostiek.
