Hoge verwachtingen van AI in de zorg: ‘Nu moeten we het bewijzen’

Peter van Ooijen, hoogleraar AI in de radiotherapie, onderzoekt hoe AI kan bijdragen aan het optimale behandelplan voor de patiënt. In deze aflevering van de JTS Scholars-serie vertelt hij over zijn werk en deelt hij zijn visie op de introductie van AI. ‘Vergelijk het met de eerste navigatiesystemen: in het begin keek de bijrijder ook nog mee op een eigen kaart.’

Tekst: Jelle Posthuma

‘We moeten nú stoppen met het opleiden van radiologen.’ Met die uitspraak zette Geoffrey Hinton, AI grondlegger en Nobelprijswinnaar, in 2016 de verhoudingen op scherp. Volgens hem zou de introductie van kunstmatige intelligentie radiologen overbodig maken. ‘Het was achteraf bezien een totaal ongelukkige uitspraak’, oordeelt Van Ooijen. ‘Radiologen gingen op de rem staan uit angst hun baan te verliezen. Ik herinner me nog dat een toonaangevende radioloog jaren geleden tijdens een congres opstond en zei: “How are we going to stop this?”’

Inmiddels is het sentiment rond AI duidelijk veranderd, ziet Van Ooijen. Veel radiologen vrezen niet langer voor hun baan en zien kunstmatige intelligentie als een waardevol hulpmiddel. ‘Nu hoor je vaak: AI zal de radioloog niet vervangen, maar radiologen die geen AI gebruiken, worden uiteindelijk ingehaald door collega’s die dat wel doen. Technologie als AI kan radiologen goed helpen. Dat had Hinton eigenlijk moeten zeggen. In sommige gevallen presteert AI zelfs beter dan radiologen, maar het maakt hen niet overbodig.’

Toekomst voorspellen

Van Ooijen doet onderzoek naar adaptieve radiotherapie met behulp van AI. Met deze technologie kan bestraling beter worden afgestemd op de individuele patiënt. In de huidige radiotherapie wordt vooraf een behandelplan opgesteld, waarna de bestralingen plaatsvinden en uiteindelijk wordt gekeken naar het resultaat voor de patiënt, legt Van Ooijen uit. ‘Tijdens de behandeling veranderen zowel de patiënt als de tumor, maar het behandelplan blijft onveranderd.’

Kunstmatige intelligentie maakt het behandelplan adaptief: het plan kan tijdens het behandelproces worden aangepast. ‘We gebruiken AI-modellen bijvoorbeeld voor segmentatie: het omlijnen van de tumor en de omliggende risico-organen.’ Dit tijdrovende proces kan met behulp van AI worden geautomatiseerd, wat aanpassingen tussen de verschillende behandelingen mogelijk maakt. De volgende stap is het ontwikkelen van een model dat behandeluitkomsten kan voorspellen. ‘Ons model voorspelt mogelijke bijwerkingen en de kans dat een behandeling aanslaat. Met die voorspellingen kunnen we op zoek naar het optimale behandelplan voor de patiënt.’

Het segmenteren van risico-organen met behulp van AI wordt inmiddels breed toegepast binnen de radiotherapie, vervolgt Van Ooijen. De introductie van kunstmatige intelligentie in de zorg kent echter nog altijd verschillende uitdagingen. Volgens de hoogleraar ligt een van de belangrijkste obstakels bij de gebruiker, die soms nog terughoudend tegenover de technologie staat. ‘De discussie gaat inmiddels niet meer zozeer over het verlies van banen, maar over het verlies van kennis en vaardigheden. Radiologen die nu de kwaliteit van AI controleren, hebben die taken ook zelf uitgevoerd. Maar dat geldt misschien niet meer voor de specialist van de toekomst. Kunnen zij nog de controle uitvoeren?’

Zonder routekaart op reis

Van Ooijen vergelijkt het met de introductie van het navigatiesysteem. In het begin had de bijrijder nog een kaart op schoot om het systeem te controleren. ‘Tegenwoordig vertrouwen we er blindelings op. De jongere generatie weet vaak niet eens meer hoe je een kaart leest. Is het erg dat we die kennis en vaardigheden verliezen? Lang niet altijd. Maar voor bepaalde kritieke vaardigheden ligt dat anders. Diezelfde vragen spelen ook bij de inzet van AI in de gezondheidszorg.’

Een andere belangrijke uitdaging is de uitlegbaarheid van AI-modellen, vervolgt de hoogleraar. Kunstmatige intelligentie wordt vaak gezien als een soort ‘black box’: je stopt er iets in en aan de andere kant komt er een uitkomst uitrollen. ‘Bij onze toepassingen werken we daarom hard aan modellen die de gebruiker meer informatie geven, bijvoorbeeld met onzekerheidsvisualisaties. Ons model kan met behulp van een heatmap aangeven hoe zeker het is dat een bepaald gebied in het lichaam tot een tumor behoort: rood betekent vrijwel zeker een tumor, blauw vrijwel zeker niet, en alles daartussenin.’

De uitlegbaarheid van AI raakt ook aan de wet- en regelgeving rond kunstmatige intelligentie in de zorg. ‘In Europa geldt het principe van human oversight: bij kritieke processen moet altijd een expert meekijken om te controleren of alles klopt. Uitlegbare modellen geven die expert een instrument om de controle goed uit te voeren.’

Hoge verwachtingen

Bij de introductie van nieuwe technologie is samenwerking tussen disciplines onmisbaar, weet de hoogleraar. Van Ooijen is voormalig themacoördinator Digital Healthcare en inmiddels Scholar van de Jantina Tammes School. De School speelt volgens hem een belangrijke rol bij het samenbrengen van de verschillende disciplines. ‘Dat is cruciaal. De expertise is binnen onze organisatie wel aanwezig, maar mensen weten elkaar lang niet altijd te vinden.’

Het gaat niet alleen om juridische expertise, maar ook om vraagstukken rond menselijk gedrag, bedrijfskunde en verandermanagement. Juist de vraagstukken rond de introductie van AI spelen momenteel sterk in de medische wereld, weet Van Ooijen. ‘In het begin lagen de innovaties vooral in zorgtoepassingen met hoge risico’s. Inmiddels verschuift de aandacht steeds meer naar laagrisicogebieden, zoals het samenvatten van patiëntendossiers met behulp van taalmodellen. De centrale vraag is nu: welke toepassingen willen we daadwerkelijk inzetten? Welke taken zijn kostenefficiënt om door AI te laten uitvoeren?’

Dat AI taken efficiënter en beter uitvoert, is nog lang niet overal bewezen, zegt Van Ooijen. ‘De verwachtingen zijn hoog, maar in veel gevallen staat het nog in de kinderschoenen. We moeten het nog bewijzen.’ Vaak gaat de introductie van nieuwe technologie met ‘trial and error’, maar dat is in de gezondheidszorg lastig. ‘In de zorg gelden strengere regels en hogere eisen. Dat kost tijd en energie.’ Van Ooijen komt terug op zijn vergelijking met het navigatiesysteem. ‘In het begin was de bijrijder ook meer tijd kwijt aan het meelezen op de kaart. Ik denk dat we die fase met AI-innovaties in de zorg nu ook moeten doorlopen.’