AI en de toekomst van de gezondheidszorg

Zowel de geïndustrialiseerde als de ontwikkelingslanden worden geconfronteerd met ongekende demografische veranderingen. Geboortecijfers hebben een minimum bereikt in enkele van ‘s werelds grootste landen, terwijl letterlijk miljarden werknemers zich klaarmaken om met pensioen te gaan.

Onderzoekers en beleidsmakers hebben de afgelopen twee decennia actief gezocht naar manieren om de stijgende zorgkosten van verouderende bevolkingsgroepen aan te pakken. Over het algemeen is AI het meest voordelige oplossing gebleken.

Niet alleen automatiseert kunstmatige intelligentie basisTaken, waardoor de behoefte aan dure menselijke interventie in veel gevallen wordt weggenomen, maar het kan ook worden gebruikt om patiënten een groter gevoel van privacy en discretie te geven. Bovendien kunnen implementaties die vandaag worden ingevoerd, dankzij machine learning, in de loop van de tijd verbeteren en zich aanpassen aan nieuwe uitdagingen die in de toekomst kunnen ontstaan.

Dit artikel bespreekt een aantal mogelijke toepassingen van AI/ML-technologieën in de gezondheidszorg. Niets van wat hieronder wordt beschreven, ligt ver in de toekomst, en zal waarschijnlijk deel uitmaken van de markt voor kunstmatige intelligentie in de gezondheidszorg, die verwacht wordt te groeien tot 44,5 miljard dollar in omvang tegen 2026.

Stroomlijning van farmaceutische ontwikkeling

Elk jaar spendeert de farmaceutische industrie bijna 100 miljard dollar aan onderzoek en ontwikkeling. Veel kosten die hierbij zijn gemoeid, kunnen worden verlaagd door de toepassing van big data-analysetools, waaronder neuronale netwerken, op databases die de moleculaire structuren van potentiële medicinale componenten categoriseren.

Deze strategie heeft vooral veelbelovend gebloeid in situaties waarin tijd van essentieel belang is, zoals tijdens pandemieën. In 2015, tijdens de Ebola-uitbraak in Oost-Afrika, gebruikte de Universiteit van Toronto AI om snel een database van farmaceutische verbindingen te verwerken. De ontdekking van een behandeling die voorheen maanden of zelfs jaren van analyse zou hebben vereist, werd bereikt in minder dan een dag.

Zoals goed gedocumenteerd is, was AI-analyse ook van cruciaal belang bij de ontwikkeling van COVID-19-vaccins en -behandelingen in de afgelopen een jaar en een half. Terwijl nieuwe stammen van het virus verschijnen, wordt dezelfde technologie blijvend toegepast.

Geautomatiseerde medische documentatie

Aangezien de meeste kliniek- en ziekenhuisdossiers al in een digitaal formaat zijn opgeslagen, spelen EHR’s (‘elektronische gezondheidsdossiers’) een belangrijke rol in de gezondheidszorg. Hoewel deze technologie het gemakkelijker, sneller en uiteindelijk goedkoper heeft gemaakt om toegang te krijgen tot patiëntendossiers, kan de daadwerkelijke digitalisering van medische documentatie een aanzienlijke belasting vormen voor tijdgebrekkige zorgverleners.

Er bestaat momenteel NLP-technologie (Natural Language Processing) die verschillende processen in verband met medische gegevensverzameling en -opslag kan stroomlijnen. Hoewel spraakherkenning en dictatiesoftware in de geneeskunde niets nieuws is, worden voorstellen gedaan om kunstmatige intelligentie-algoritmes toe te passen die de gehele interactie van medische professionals met patiënten documenteren en analyseren.

Een voorgestelde implementatie van deze technologie zou zijn om AI en machine learning te gebruiken om video’s te verwerken die zijn opgenomen met camera’s die door clinici worden gedragen. In feite zou dit heel erg lijken op bodycams die door veel politieagenten vandaag worden gedragen. Informatie verzameld in deze video’s kan snel worden geïndexeerd en gecombineerd met andere medische gegevens voor verdere analyse.

Zelfdiagnose met selfies

In sommige delen van de wereld zijn gezondheidsklinieken en ziekenhuizen schaars. In andere gevallen kan het een overbodige moeite lijken om een arts te bezoeken voor routinecontroles. Voor mensen die in een van deze situaties leven, worden ernstige aandoeningen vaak pas laat ontdekt.

Gelukkig hebben de meeste mensen vandaag al een krachtig diagnostisch instrument in hun zak – hun smartphone. De kwaliteit van de beeldvorming van mobiele telefoons wordt elk jaar beter, terwijl de technologie goedkoper wordt om te produceren. Foto’s die met deze apparaten worden gemaakt, zijn zeker geschikt voor analyse door AI-algoritmes.

Reeds hebben artsen in regio’s zonder toegang tot klinische beeldvorming van hoge kwaliteit, hun eigen mobiele telefoons gebruikt om hun patiënten te analyseren. Feitelijk worden smartphones met machine learning-gebaseerde software momenteel gebruikt om huidkanker en melanomen te diagnosticeren met een nauwkeurigheid van tot 90%. Consumentenapps zijn al op de markt die gebruikers in staat stellen om veranderingen in hun eigen lichaam te detecteren.

Soortgelijke technologie wordt toegepast in de oogheelkunde. Algoritmes zijn ontwikkeld en goedgekeurd door de Amerikaanse FDA om retinopathie bij diabetici te detecteren door fotoanalyse.

Chatbot-geactiveerde telemedicina

Iedereen heeft bepaalde dingen die hij liever privé houdt, en voor velen is gezondheid een van die dingen. Voorzichtigheid is zeker begrijpelijk wanneer het gaat om het bespreken van medische kwesties met collega’s en collega’s, maar voor sommige mensen kan zelfs communiceren met zorgverleners intimiderend lijken.

Chatbots kunnen een oplossing bieden voor dit soort patiënten. De technologie, die al actief wordt gebruikt in telemedicina voor het plannen van afspraken, het vernieuwen van recepten en triage, wordt actief onderzocht als een manier om individuen te betrekken die advies nodig hebben over basis, zelftoegediende gezondheidszorg.

Feitelijk vonden onderzoekers in het Verenigd Koninkrijk dat chatbots de voorkeur zouden hebben van patiënten met meer stigmatiserende gezondheidsaandoeningen, zoals SOA’s. Met grotere anoniemheid zullen patiënten meer geneigd zijn om hulp te zoeken voor kwesties die kunnen leiden tot grotere zorgen verderop in de toekomst, als ze anders onbehandeld blijven.

Conclusie

De toepassingen van AI in de gezondheidszorg die in dit artikel worden beschreven, vormen slechts een kleine steekproef van wat mogelijk is. Gaandeweg het komende decennium van Medtech-ontwikkeling, zullen we ongetwijfeld een groot aantal baanbrekende innovaties ontdekken, waarvan sommige we vandaag alleen maar kunnen theoretiseren.

De sleutel is dan ook de mogelijkheid om theorie om te zetten in realiteit. Bij Daiger specialiseren we ons in het omzetten van theoretische ideeën met betrekking tot AI en machine learning in actiebare oplossingen die waarde toevoegen aan bedrijven. Neem contact met ons op of bezoek onze website voor meer informatie over onze diensten.