AI is voor versterking, niet voor vervanging van artsen – Thought Leaders

Door: Doug Teany, Innovation Advisor en voormalig COO van Corindus

AI en zijn toepassingen in de gezondheidszorg zijn de afgelopen jaren aanzienlijk volwassener geworden. AI-technologieën zijn nu meer beschikbaar voor zorgverleners dan ooit tevoren en bieden enorme kansen in de gezondheidszorg, vooral bij complexe, robotondersteunde procedures die een uitzonderlijke hoeveelheid inzicht en vooruitziendheid van artsen vereisen. Helaas bestaat er nog steeds de overtuiging dat AI, als gevolg van zijn volwassenheid, onvermijdelijk de rol van de arts zal vervangen, maar niets is minder waar.

In feite geeft AI artsen nieuwe kennis en mogelijkheden die de klinische besluitvorming verbeteren en helpen om positievere patiëntresultaten te bereiken. Het verlegt hun aandacht van technisch nadenken over het manoeuvreren van een draad door het hart naar meer holistisch nadenken over de strategie van de zaak en hoe de beste mogelijke uitkomst te bereiken. Wanneer AI wordt ingezet in robotondersteunde procedurele omgevingen, kan het helpen om een encyclopedie van historische klinische en procedurele kennis op te bouwen die elke arts kan raadplegen om elke zaak op te lossen. Het integreren van mogelijkheden zoals computervisie zal de huidige standaard van zorg revolutioneren, artsen voorzien van een krachtig instrument dat kan reageren op en voorkomen complicaties voordat ze zich voordoen. Alles gebeurt zonder de sleuteldrijver in het proces te vervangen – de arts.

Het leggen van de basis met data-gedreven inzicht en machine learning

Vandaag de dag vertrouwen artsen voornamelijk op hun persoonlijke ervaring en individuele besluitvormingsvaardigheden, die kunnen variëren op basis van hun opleiding, het aantal procedures dat ze hebben uitgevoerd en andere factoren. AI introduceert artsen aan nieuwe data en informatie-inzichten die eerder niet beschikbaar waren voor hen, wat vooral nuttig kan zijn in complexe procedurele omgevingen met robotondersteuning. In deze gevallen waarin robotapparaten zijn verbonden met historische gegevensopslag, biedt AI ongeëvenaarde waarde door kennislacunes te vullen met inzicht uit duizenden soortgelijke zaken. Door een arts te voorzien van toegang tot historische zaakgegevens die verder gaan dan zijn of haar eigen ervaring, kunnen ze een deel van het risico dat verbonden is aan deze ingewikkelde procedures mitigeren.

Machine learning stelt het robotsysteem in staat om van ervaring te leren en zich aan te passen aan nieuwe invoer. Op zijn beurt kan de robot zijn bewegingen automatiseren om dezelfde technieken te imiteren die worden gebruikt door de beste artsen ter wereld, wat de kansen vergroot om uitdagingen die tijdens een zaak ontstaan op te lossen. Uiteindelijk stelt dit artsen in staat om hun aandacht te richten op de strategie van de zaak en effectiever te reageren op complicaties. Dit type data-gedreven inzicht lijkt op de manier waarop data het landschap van professioneel honkbal in het begin van de jaren 2000 drastisch veranderde, zoals weergegeven in het boek Moneyball. Het boek volgde de Oakland Athletics en manager Billy Beane, die een data-gedreven, evidence-based aanpak gebruikten om een team op te bouwen, in plaats van verouderde methoden te gebruiken die geen data hadden. Als gevolg daarvan was dit model een groot succes en zette het effectief een nieuwe era van het spel in gang, gedreven door data.

In de gezondheidszorg creëert een database van procedurele kennis die wordt aangedreven door machine learning soortgelijke inzichten voor artsen, waardoor ze waardevolle informatie krijgen die eerder niet beschikbaar was. De mogelijkheid om een patiënt te bekijken tegen de achtergrond van duizenden soortgelijke zaken, stelt artsen in staat om betere, meer geïnformeerde beslissingen te nemen over hoe ze een zaak aanpakken.

Het volgende stap: computervisie en hoge automatisering

Het volledige potentieel van AI in robotondersteunde procedurele omgevingen wordt volledig gerealiseerd wanneer data-gedreven inzicht en machine learning worden gecombineerd met computervisie, waardoor het robotsysteem situaties op basis van rijke beeldgegevens intelligent kan identificeren en erop reageren. Bij cardiovasculaire ingrepen wordt een aanzienlijk percentage van de proceduretijd besteed aan het manoeuvreren van een draad, veel waarvan een ‘trial and error’-methode is voor navigeren door de vaten. Deze methode kan mogelijk leiden tot verkeerd geplaatste medische apparaten, zoals stents, of tot langere proceduretijden die de stralingsblootstelling van artsen en patiënten verhogen.

Maar naarmate geautomatiseerde systemen effectievere bewegingen leren en kennisgebaseerde regels creëren, kunnen we computervisie toelaten om grotere delen van de procedure te automatiseren. Computervisie stelt het systeem ook in staat om complicaties te detecteren voordat ze optreden, zoals wanneer een guidewire prolapseert, en kan automatisch corrigerende acties uitvoeren om het apparaat te leveren en de patiënt te beschermen.

Belangrijk is dat automatisering, ongeacht de industrie, op een spectrum ligt, en de automotive-industrie biedt een goed voorbeeld hiervan. Vele auto’s van vandaag hebben een zekere mate van lage automatisering, zoals remhulp, adaptieve cruisecontrol en lane centering. Aan het andere uiteinde van het spectrum automatiseren fabrikanten zoals Tesla (TSLA ) alle veiligheidskritische functies, waardoor minder actie van bestuurders nodig is, hoewel bestuurders nog steeds nodig zijn. Hetzelfde geldt voor automatisering in de gezondheidszorg. Uiteindelijk houdt AI-geautomatiseerde automatisering artsen in de bestuurdersstoel terwijl het bepaalde taken automatiseren die de aandacht van artsen wegnemen van kritieke elementen, zoals de strategie van de zaak en het reageren op complicaties.

 AI zet artsen centraal

 Er zijn bezorgdheden over AI en automatisering die artsen zullen vervangen, maar deze houden geen stand en zijn niet gebaseerd op een volledig begrip van hoe de gezondheidszorg AI en machine learning inzet. Net zoals autonome auto’s een bestuurder nodig hebben, zullen de geautomatiseerde interventieprocedures waar we naar streven, de leiding van een arts nodig hebben, maar met de extra expertise van een digitale encyclopedie gebouwd op de ervaring van andere hooggeschoolde artsen van over de hele wereld. Automatisering zal de manier waarop procedures worden uitgevoerd standaardiseren tot een zeer hoog niveau van kwaliteit, wat het overkoepelende doel van robotautomatisering bereikt – het maken van zaken veiliger, sneller en effectiever, terwijl het trauma voor de patiënt wordt verminderd.