De toekomst van de zorg: hoe jonge onderzoekers AI en Big Data zien

“Het écht grote verschil dat er is tussen vroeger en nu?”, zegt Tineke de Vries: “AI kan patronen ontdekken die we zelf nooit zouden zien. Waar artsen en onderzoekers met statistiek werken om verbanden te zoeken tussen vooraf gekozen variabelen, leert een AI-model direct van enorme hoeveelheden gegevens. Denk aan duizenden hartfilmpjes, röntgenfoto’s of andere data.”

Een arts kan immers niet ‘even 10.000 ECG’s naast elkaar leggen’ om te zoeken naar subtiele verschillen, zegt De Vries. “Dat kan AI wel. Daarmee wordt het een nieuwe manier van kijken: niet gericht op waarom iets gebeurt, maar wat er gebeurt. AI kan bijvoorbeeld zien dat een bepaald hartritme bij een specifieke patiëntengroep vaker voorkomt, nog voordat wij begrijpen waarom.” Toch benadrukt ze dat statistiek niet verdwijnt. “Je hebt ze beide nodig. Statistiek leert je iets over oorzaken; AI laat je patronen zien die je nog niet kende.”

Zo moeten we AI ook zien: als iets wat meedenkt en helpt, maar waarvan je wel áltijd de controle over kunt nemen

Een tool, geen nieuwe dokter

De drie onderzoekers zien AI niet als vervanger van artsen, maar als hulpmiddel. Carlijn Buck vergelijkt het met rijassistenten in de auto: “De lane-assist, de rijhulp die je op de goede baan houdt, is soms irritant, maar meestal gewoon handig. Zo moeten we AI ook zien: als iets wat meedenkt en helpt, maar waarvan je wel áltijd de controle over kunt nemen.”

Een AI-model kan een longfoto beoordelen, een hartritmestoornis voorspellen of waarschuwen als een patiënt achteruitgaat. Maar het blijft een tool. “Een model kan één specifieke taak héél goed uitvoeren,” zegt De Vries.  “Een arts bekijkt de patiënt als geheel. Ziet de mens én de arts heeft een onderbuikgevoel.” Die samenwerking is volgens Maud Kortman essentieel: “Wij kunnen AI ontwikkelen, maar zonder artsen die het begrijpen en ermee willen werken, blijft het op de plank liggen.”

Verantwoordelijkheid en vertrouwen

Een belangrijk thema daarbij is verantwoordelijkheid. Wat als een AI-systeem een fout maakt? Buck: “Van mensen accepteren we dat ze fouten maken, van techniek niet. Een arts kan uitleggen waarom hij ergens voor kiest, maar ook uitleggen waarom iets mis is gegaan. Algoritmes kunnen niet altijd zeggen wáárom ze een keuze maken. Dat maakt het lastig.”

Dat roept ethische vragen op. “Wie is aansprakelijk als een model iets verkeerd classificeert?” vraagt Kortman zich hardop. “Als een AI 999 keer op de 1000 goed oordeelt, maar die ene keer niet, wie draagt dan de schuld voor die ene patiënt?”

Toch is het volgens De Vries goed om te beseffen dat ook de menselijke zorg verre van perfect is. “We vergeten vaak hoe imperfect we het nu doen. AI is niet foutloos, maar kan op sommige gebieden al beter zijn dan de beste arts nu is, maar van een mens accepteren we het beter als er fouten worden gemaakt.”

Het is altijd balanceren tussen innovatie, privacy en patiëntveiligheid

De kracht van data en haar valkuilen

AI is zo goed als de data waarmee ze wordt getraind. Daar schuilt meteen het grootste risico. “Als je alleen mannen-ECG’s gebruikt,” zegt Kortman, “dan leert het model de vrouwenhartslag niet goed herkennen.” Hetzelfde geldt voor bevolkingsgroepen of ziekenhuizen: “Een model dat werkt in Eindhoven, doet het niet automatisch hetzelfde in Amsterdam omdat de populatie verschilt. Eigenlijk zou je AI per ziekenhuis moeten trainen, toegespitst op de variatie in patiënten.”

Daarom besteden onderzoekers zo’n 80 procent van hun tijd aan datakwaliteit en maar 20 procent aan het model zelf. Daarnaast moeten ziekenhuizen technisch voorbereid zijn. “Zorgsystemen zijn gebouwd om één patiënt te volgen”, legt De Vries uit, “niet om in bulk data aan te leveren en te analyseren.”

Initiatieven van het Catharina Ziekenhuis, zoals het Ludwig-platform, waarop je veilig toegang kan krijgen tot medische data en waarop je vervolgens AI kan trainen, helpen die omslag mogelijk te maken. Maar het is een proces dat tijd kost. “Het is altijd balanceren tussen innovatie, privacy en patiëntveiligheid. Dat is allemaal heel belangrijk, maar dat vertraagt het invoeren”, zegt Buck.

Je leert enorm veel van elkaar door de verschillende expertises en het helpt echt om ervoor te zorgen dat innovaties niet alleen theoretisch worden onderzocht, maar ook daadwerkelijk in de zorgpraktijk worden toegepast

Van de testfase naar de praktijk

Hoewel het aantal AI-projecten in de zorg groeit, komt slechts een klein deel daadwerkelijk in de kliniek terecht. Dat heeft te maken met de strenge regelgeving. “En terecht,” zegt De Vries. “We hebben het over mensenlevens.” Buck vult aan: “De technologie gaat sneller dan de wetgeving. Eerst komt de innovatie, dan pas het kader.”

Toch zien ze hoopvolle signalen. Binnen het Catharina Ziekenhuis wordt AI niet alleen ontwikkeld, maar ook in samenwerking getest met artsen, het AI Expertise Centrum, klinisch fysica en ICT-teams. “Dat maakt het verschil,” zegt Kortman. “Er is hier veel bereidheid om te experimenteren. Alleen zo leren we hoe AI echt kan helpen.”

Daarbij prijzen de drie onderzoeksters zich gelukkig met de e/MTIC-samenwerking. “Klinische en technische expertise komt daar bij elkaar én versterkt elkaar. Door samen te werken met de TU/e en Philips kunnen we de kloof tussen technologie en praktijk verkleinen”, zegt Buck. Kortman: “Je leert enorm veel van elkaar door de verschillende expertises en het helpt echt om ervoor te zorgen dat innovaties niet alleen theoretisch worden onderzocht, maar ook daadwerkelijk in de zorgpraktijk worden toegepast. En dat helpt de patiënt.”

We gaan kennis ontdekken waarvan we nu nog niet eens weten dat we die niet weten

Nieuwe kennis, nieuwe mogelijkheden

Wat motiveert deze jonge onderzoekers het meest om hun onderzoeken te doen? De Vries vat het kernachtig samen: “We gaan kennis ontdekken waarvan we nu nog niet eens weten dat we die niet weten. AI kan 24 uur per dag meekijken, patronen herkennen die het menselijk oog ontgaan en vroegtijdige signalen van ziekte oppikken.”

Buck: “Een verpleegkundige kan niet de hele dag bij één patiënt blijven; AI kan dat wel, zonder te oordelen of moe te worden.” Kortman ziet daarnaast kansen voor persoonlijkere zorg: “AI kan helpen om te voorspellen wie baat heeft bij een bepaalde behandeling en wie niet. Daarmee kunnen we leed besparen en gerichter behandelen.”

De drie promovendi verwachten dat AI over 30 jaar alomtegenwoordig zal zijn, maar altijd in samenspel met mensen. Buck: “Artsen moeten leren samenwerken met AI, net zoals wij dat nu leren.” Toch waarschuwen ze voor overschatting. AI kan niet alles oplossen, en zeker niet zonder menselijke reflectie. “Als je data die je gebruikt niet goed is, of je gebruikt een model voor iets anders dan waarvoor die getraind is, komt er troep uit je tool.”

Kortman met een glimlach: “Ik hoop dat als ik later zelf patiënt ben, er een slimme computer mijn hartfilmpje beoordeelt. Maar ik wil wél dat er daarna een mens meekijkt.” De Vries: “AI is geen nieuwe dokter. Het is een spiegel die ons helpt beter te begrijpen wat we al deden en wat we nog kunnen leren.”