Ook in de zorg wordt de impact van AI met de dag groter. Op diagnostisch vlak liggen er mooie kansen. Zo wijzen de eerste, hoopgevende berichten uit dat AI beter in staat lijkt om bepaalde soorten kanker op te sporen. Waar kan AI in de zorg zich nog meer – op verantwoorde wijze – nuttig maken? We zetten 3 toepassingsgebieden op een rij.
De AI-richting die we opgaan
Beeldanalysesoftware spoort meer gevallen van borstkanker op dan radiologen, zo blijkt uit eerste studies. Diabetespatiënten ervaren minder klachten dankzij een app, die middels een analyse van bloedglucosewaarden en geconsumeerde voeding gepersonaliseerde voedingsadviezen genereert. En de doorstroming op de spoedeisende hulp kan enorm worden verbeterd op basis van voorspellende inzichten.
De omarming van dit soort AI-toepassingen is nog niet wijdverbreid. Maar stilaan zien we al behoorlijk wat indrukwekkende AI-usecases ontstaan in de praktijk.
Een betere zorgtoekomst
De vergrijzing, het personeelstekort, de administratieve druk, het welzijn van zorgprofessionals: dit zijn de komende (tientallen) jaren dé zorguitdagingen. Op (middel)lange termijn draagt kunstmatige intelligentie substantieel bij aan het oplossen van deze uitdagingen. Wensdenken? Welnee. Het kán, het móét en dus gaan we het met z’n allen dóén.
Vooropgesteld: zorgprofessionals houden de leiding, AI is altijd ondersteunend. Maar de combi van zorgprofessionals en AI gaat op de volgende 3 vlakken waarschijnlijk grote impact maken:
#1 Diagnostiek en beeldvorming
Met name binnen de radiologie laat AI al spectaculaire resultaten zien. Systemen op basis van AI-technologieën als computer vision en deep learning kunnen röntgen-, MRI- en CT-beelden ongelooflijk snel en nauwkeurig analyseren. Ze signaleren zelfs details die voor menselijke ogen niet of nauwelijks te zien zijn.
Enkele voorbeelden uit de praktijk:
Uit een groot onderzoek van het UMC bleek dat een AI-tool beter in staat is borstkanker te ontdekken op röntgenfoto’s en mammografieën dan radiologen. Plus: ook het aantal false positives (testuitslagen waarbij de test positief is terwijl dit in werkelijkheid niet het geval is) was lager.
Bij baarmoederkanker kan slimme software microscopiebeelden van de tumor analyseren en vervolgens op basis van DNA-veranderingen bepalen wat het specifieke kankertype is. Met het menselijk oog is dit niet mogelijk.
Bij endoscopie spoort AI 40 procent méér poliepen op. Een arts mist een poliep weleens, bijvoorbeeld omdat deze te kort in beeld was. Software is elke milliseconde even alert en kan iedere pixel even goed bestuderen.
#2 Voorspelling en preventie
Ook in de zorg zijn descriptive (wat is er gebeurd?) en diagnostic (waarom is het gebeurd?) nu nog de norm. Via predictive & operational (wat gebeurt er nu en wat gaat er gebeuren?) verschuiven we momenteel meer en meer naar prescriptive (wat moet ik doen?).
Om voorspellingen te kunnen doen, wordt AI losgelaten op grote databergen. Denk aan (geanonimiseerde) informatie in EPD’s, genetische data, laboratoriumresultaten, operatieverslagen en demografische gegevens.
Leg je dit soort (patiënten)gegevens langs eerder verzamelde data en pas je daar AI-technologieën op toe? Dan kun je onder meer in een vroeg stadium ziektes opsporen. Denk ook aan gepersonaliseerde geneeskunde: AI voorspelt het ziekteverloop voor de patiënt in kwestie en helpt om een behandelplan op maat te maken.
Enkele voorbeelden uit de praktijk:
Een snelgroeiend aantal AI-algoritmes heeft tot doel om ziektes als Alzheimer en Parkinson sneller en nauwkeurig te diagnosticeren, bijvoorbeeld op basis van EEG-gegevens, bloedanalyse en cognitieve tests. Intervenieer je vroegtijdig, bijvoorbeeld door leefstijlveranderingen? Dan kan dit het ziekteverloop positief beïnvloeden. Bovendien wordt met AI-analyse van de (DNA-)data geprobeerd om de precieze oorzaken van deze ziektes te doorgronden.
Soortgelijke systemen worden ook ingezet om bijvoorbeeld migraineaanvallen te voorspellen en reumatoïde artritis vroegtijdig op te sporen en te behandelen.
Door verschillende sensoren te vervangen voor slimme camera’s, kan er in verpleeg- en verzorgingstehuizen een schat aan relevante informatie over cliënten worden verzameld en geïntegreerd. Denk aan lichaamsbeweging, dieet en gegevens over medicatie. Een algoritme kan bijvoorbeeld waarschuwen als iemand trager en instabieler gaat lopen, mogelijk als bijwerking van een medicijn. Als arts kun je vervolgens vanwege het hogere valrisico een heupairbag ter preventie aanbieden.
#3 Efficiëntere processen en administratieve ondersteuning
Wanneer je gebruikmaakt van virtuele assistenten zoals Microsoft Copilot en slimme automatiseringen (op basis generatieve AI), merk je een verbetering in productiviteit omdat ze helpen taken sneller uit te voeren.
Hoe kan AI helpen op ondersteunend vlak?
Intake-, toestemmings- en gezondheidsvragenformulieren worden vooraf zoveel mogelijk ingevuld met beschikbare data vanuit het EPD.
Door de opname van patiënten van Spoedeisende Hulp (SEH) naar de Acute Opname Afdeling te voorspellen, wordt de doorstroom van de SEH enorm verbeterd.
In het verlengde daarvan kan ook het gebruik en de planning van IC’s en OK’s worden geoptimaliseerd. Dit leidt tot efficiënter gebruik van middelen en betere patiëntenzorg.
Heb je data over de lange termijn, dan zie je wat standaard de drukke en rustige periodes zijn. Hier kun je je personeelsplanning op aanpassen.
Met de mix van (geïntegreerde) data en slimme algoritmes kun je tal van processen automatiseren, denk aan afspraken plannen, herinneringen sturen aan patiënten en medicatiebeheer.
Speech-to-text-technologie kan automatisch relevante informatie uit consulten halen, samenvatten en vervolgens toevoegen aan het EPD. Zo kan het ook weer direct met een patiënt gedeeld worden, die vaak niet alles begrepen of onthouden heeft.
Responsible AI-gebruik
Het is een indrukwekkende lijst met voordelen en voorbeelden van AI in de zorg. Maar pas je AI toe, dan brengt dat ook behoorlijk wat verantwoordelijkheid mee. Zo gelden er niet alleen vereisten en beperkingen op het gebied van techniek, security, privacy en responsible AI. Ook moet het AI-gebruik zoveel mogelijk aansluiten bij de dagelijkse zorgpraktijk. Een advies gebaseerd op onze eigen ervaringen: begin met AI-beleid voordat je kunstmatige intelligentie op grote schaal gaat toepassen.
Al je stakeholders – waaronder je zorgprofessionals – dienen van meet af aan aangehaakt te zijn bij het gehele implementatietraject. Alleen zó realiseer je namelijk een AI-oplossing die functioneel aan alle wensen en eisen voldoet én die na livegang op brede schaal wordt omarmd binnen je organisatie.
Wordt iedereen beter van AI in de zorg?
AI in de zorg heeft voordelen voor alle belangrijke stakeholders. De patiënt of cliënt krijgt betere en snellere zorg, mogelijk zelfs in de vorm van betere en snellere diagnoses en behandelingen.
Zorgprofessionals en andere zorgverleners worden versterkt in hun werk. Hebben ze minder (repetitief) administratief werk, kunnen ze betere kwaliteit van zorg leveren én hebben ze fijnere technologische ervaringen? Dan hebben ze meer plezier in hun werk of bezoek, ervaren ze minder druk en vallen ze niet zo vaak uit.
Ten slotte de zorgorganisaties: niet alleen voegen zij meer zorgwaarde toe. Ook kunnen ze zoveel mogelijk automatiseren, tal van processen efficiënter maken, kosten besparen én meer patiënten of cliënten helpen.
De drie pijlers van AI in de zorg
Kunstmatige intelligentie kan dus helpen om de zorg toegankelijk, hoogwaardig en betaalbaar te houden. Let wel, AI-toepassingen kunnen alleen effectief zijn en geaccepteerd worden als ze berusten op solide netwerk-, data- en veiligheidspijlers.
Netwerk: data moet kunnen stromen
Adequate AI vereist robuuste netwerken. Gegevens moeten efficiënt, betrouwbaar en veilig kunnen stromen tussen (apparaten en systemen van) zorgverleners, zorgorganisaties, patiënten/cliënten, leveranciers van systemen en dataplatformen en andere partijen in de keten.
Daarbij draait het niet alleen om je bedrijfsnetwerk. Ook solide mobiele (5G-)connectiviteit is cruciaal om data te kunnen uitwisselen voor onder andere telehealth en extramuraal werk.
Data als zuurstof voor AI
AI kan niet leren of leven zonder data. Internet of Things (IoT)-data, röntgenfoto’s, camerabeelden, sensoriek: data vormt de kern van iedere AI-toepassing. Alleen als AI-systemen beschikken over uitgebreide en goed georganiseerde datasets, kunnen ze betrouwbare output leveren.
Juist op IoT-gebied komt er de komende jaren een enorme hoeveelheid data bij. Alle verbonden dingen produceren namelijk data. Dat levert niet alleen een grote hoeveelheid nieuwe informatie op, deze data kan ook belangrijke input zijn voor AI om voorspellingen te doen voor de toekomst. Goede data governance is daarbij een absolute vereiste.
Daarnaast is ook een veilig en betrouwbaar netwerk essentieel om deze data te generen en delen. Dat is waar KPN zorgorganisaties in bijstaat. Waarbij het grote belang van optimale cybersecurity altijd het uitgangspunt is.
Veiligheid: je cyberhygiëne op orde
AI brengt veel veiligheidsuitdagingen met zich mee. Wat jij invoert bij een open AI-toepassing zoals ChatGPT of Midjourney, is data die wordt opgeslagen en bewerkt op een locatie waar je verder geen controle over hebt. Werk je met privacygevoelige gegevens, dan riskeer je zo een datalek.
Het is daarom belangrijk om je medewerkers van deze gevaren bewust te maken. Training kan helpen om de risico’s van AI in beeld te krijgen. De Autoriteit Persoonsgegevens verplicht dit laatste zelfs. Daarnaast is er nieuwe wetgeving in de maak, de Europese AI Act, die waarschijnlijk al in 2026 in zal gaan.
Gebruik je als zorgorganisatie al AI? Dan is het dus belangrijk om de juiste maatregelen te nemen. Dat kan door security awareness trainingen (user coaching), het blokkeren van gevoelige informatie zodat deze niet geüpload kan worden (content control) of het blokkeren van het knippen & plakken van grote stukken tekst (activity control). Deze maatregelen zijn bijvoorbeeld mogelijk met Secure Connect, een dienst van KPN.
Meer weten?
Ben jij benieuwd hoe je als zorgorganisatie slimmer kunt werken met AI? Wat de kansen en risico’s zijn? En hoe de roadmap naar AI-succes eruitziet? Je ontdekt het allemaal in onze whitepaper Slimmer werken met AI.
Slimmer Werken met AI
Lees alles over AI voor je organisatie. Zoals de 3 kansen & risico’s van AI. En leer over hoe je een succesvolle AI organisatie bouwt.
Download
