Wat houdt AI nu precies in?

AI omvat systemen of machines die menselijke intelligentie simuleren. Ze zijn in staat om taken uit te voeren en zichzelf continu te verbeteren. Een belangrijk aspect van AI is machine learning, waarbij systemen leren en zichzelf verbeteren aan de hand van de beschikbare data. Dit kan variëren van chatbots die problemen begrijpen en automatisch antwoorden geven bij triage tot programma’s als het Wmo-voorspelmodel waarbij scenariovoorspellingen voor het doorrekenen van mogelijke beleidswijzigingen leidt tot inzicht over de toekomstige Wmo-behoefte per wijk van de stad Den Haag.

Wat kan AI de gezondheidszorg opleveren?

AI kan een cruciale rol spelen bij het ondersteunen van klinische besluitvorming en het automatiseren van taken, wat resulteert in kostenbesparingen en het behoud van betaalbare gezondheidszorg. Bovendien kan het de gezondheidszorg verbeteren door innovatieve methoden te vinden om klinisch relevante informatie uit gegevens te extraheren.

1. Verbeterde diagnostiek: AI-systemen kunnen helpen bij het sneller en accurater diagnosticeren van ziekten en aandoeningen door het analyseren van medische beelden, symptomen en patiëntgegevens.
2. Personalisatie van behandelingen: Door het gebruik van AI kunnen behandelingen beter worden afgestemd op de individuele behoeften van patiënten, op basis van hun medische geschiedenis, genetische informatie en andere relevante factoren.
3. Efficiëntere zorgprocessen: AI kan taken automatiseren en optimaliseren, waardoor zorgverleners meer tijd hebben voor directe patiëntenzorg en administratieve lasten verminderd worden.
4. Preventie van ziekten: AI kan helpen bij het identificeren van risicofactoren voor bepaalde ziekten en het voorspellen van mogelijke gezondheidsproblemen, waardoor vroegtijdige interventies mogelijk worden.
5. Ondersteuning van klinische besluitvorming: Door het analyseren van grote hoeveelheden medische gegevens kan AI zorgverleners voorzien van waardevolle inzichten en aanbevelingen, wat kan leiden tot betere besluitvorming en patiëntresultaten.
6. Kostenbesparingen: Door het verbeteren van de efficiëntie, het voorkomen van complicaties en het verminderen van onnodige procedures kan AI bijdragen aan kostenbesparingen in de gezondheidszorg.

Kortom, AI heeft het potentieel om de kwaliteit, toegankelijkheid en betaalbaarheid van de gezondheidszorg te verbeteren.

Wat zijn de voorwaarden voor de inzet van AI in de gezondheidszorg?

Om voordelen te bieden aan de gezondheidszorg, heeft AI verschillende elementen nodig:

1. Kwalitatieve data: AI-modellen zijn afhankelijk van hoogwaardige en uitgebreide datasets. Deze gegevens moeten nauwkeurig, actueel en representatief zijn voor de diversiteit van patiënten en ziekten.
2. Interoperabiliteit van systemen: Het is belangrijk dat AI-systemen kunnen communiceren met bestaande systemen en elektronische medische dossiers om naadloos te integreren in de workflows van zorgverleners.
3. Robuuste algoritmen: AI-algoritmen moeten nauwkeurig en betrouwbaar zijn, vooral bij taken zoals diagnose en behandeling. Dit vereist zorgvuldige validatie en verfijning van de algoritmen.
4. Transparantie en interpreteerbaarheid: Het is essentieel dat AI-modellen transparant zijn in hun besluitvormingsproces, zodat zorgverleners kunnen begrijpen hoe en waarom bepaalde aanbevelingen worden gedaan.
5. Regelgevend kader: Een passend regelgevend kader is nodig om de veiligheid, privacy en ethiek rondom het gebruik van AI in de gezondheidszorg te waarborgen.
6. Acceptatie en training van zorgverleners: Zorgverleners moeten worden getraind in het gebruik van AI-tools en overtuigd zijn van de voordelen ervan om ze effectief te kunnen benutten.
7. Continue evaluatie en verbetering: AI-modellen moeten regelmatig worden geëvalueerd en geüpdatet om de prestaties te verbeteren en zich aan te passen aan veranderende omstandigheden en nieuwe gegevens.

Voorbeelden van Artificial Intelligence in de zorg

AI biedt dus aanzienlijke mogelijkheden voor de gezondheidszorg en er zijn nu al verschillende voorbeelden van AI die worden toegepast in de gezondheidszorg.

AI in de thuiszorg

Een voorbeeld van hoe AI de zorg thuis kan ondersteunen, is door het monitoren van vitale parameters en het detecteren van afwijkingen. Wearable apparaten zoals smartwatches kunnen continu gezondheidsgegevens verzamelen, zoals hartslag, bloeddruk en slaappatronen. AI-algoritmen kunnen deze gegevens analyseren en afwijkingen signaleren die kunnen wijzen op gezondheidsproblemen, zoals hartritmestoornissen of slaapapneu. Op deze manier kunnen mensen vroegtijdig gewaarschuwd worden voor mogelijke gezondheidsproblemen, waardoor ze sneller de juiste zorg kunnen ontvangen.

De WondGezond-app, ontwikkeld bij Radboudumc, laat patiënten thuis foto’s van hun wonden maken. Met AI analyseert de app de wond om te controleren of deze goed geneest. Bij een positieve uitkomst ontvangt de patiënt direct bericht. Bij twijfel kan een arts de foto bekijken en passende zorg bieden.

Diagnoses stellen met AI

AI kan zorgverleners assisteren bij het stellen van diagnoses, bijvoorbeeld door het analyseren van radiologische of pathologische beelden. Deze toepassingen worden al op grote schaal gebruikt in de oncologische ziekenhuiszorg en verder ontwikkeld door Radboudumc-spin-offs zoals Aiosyn en Thirona. Bovendien worden er steeds meer AI-oplossingen geïntroduceerd in de dagelijkse praktijk van huisartsen en verloskundigen. Bijvoorbeeld, Ardim, ook een spin-off van Radboudumc, werkt aan een app waarmee heupdysplasie bij ongeboren kinderen kan worden vastgesteld met behulp van een mobiele telefoon. Delft Imaging maakt gebruik van vergelijkbare technologie in hun BabyChecker-app, waarmee zorgverleners in Afrika en Zuidoost-Azië tijdens de zwangerschap vroegtijdig mogelijke problemen kunnen identificeren.

1 op de 10 artsen gebruikt ChatGPT

Uit onderzoek gepubliceerd in het Medical Economics blijkt dat een op de tien artsen ChatGPT regelmatig gebruikt om hulp te vragen bij het diagnosticeren van een patiënt of het selecteren van de juiste medicatie. Opmerkelijk is dat maar liefst 50% van de zorgmedewerkers van plan is om ChatGPT in de nabije toekomst te gaan gebruiken voor soortgelijke doeleinden. Deze bevindingen illustreren een groeiende trend in het gebruik van AI-ondersteunde tools binnen de gezondheidszorg, waarbij ChatGPT een prominente rol begint te spelen in het ondersteunen van zorgverleners bij hun besluitvormingsprocessen.

AI voor een beter begrip van Parkinson

Om een nauwkeuriger beeld te krijgen van de symptomen van parkinsonpatiënten in hun dagelijks leven, droegen 520 patiënten de afgelopen jaren een smartwatch tijdens hun dagelijkse activiteiten. Deze slimme horloges registreerden via sensoren onder andere hun bewegingen en hartslag. Het uiteindelijke doel is om nieuwe maatstaven te ontwikkelen waarmee neurologen het verloop van de ziekte kunnen meten. Echter, voordat deze gegevens kunnen worden gebruikt, zullen onderzoekers met behulp van artificiële intelligentie de grote hoeveelheid data moeten analyseren. Door AI in te zetten, kunnen relevante gegevens worden gefilterd uit de enorme berg aan data en kunnen symptomen worden herkend. Bijvoorbeeld, door specifiek te kijken naar het looppatroon, hopen onderzoekers te kunnen vaststellen hoe bepaalde bewegingen er in het dagelijks leven uitzien en zo de ziekte beter te begrijpen.

AI-ondersteuning voor efficiënte zorgplanning en optimale roosters

TONOS Care heeft een slimme app ontwikkeld die planners in de langdurige zorg ondersteunt bij het maken van optimale roosters. Deze app maakt gebruik van artificial intelligence (AI) en mensvriendelijke algoritmes om de werkdruk in zorginstellingen en wijkzorg te verlichten. Het resultaat is een afname van ziekteverzuim en een toename van werkplezier bij zorgprofessionals door prettigere diensten, kortere wachttijden voor cliënten en financiële besparingen, zoals op reiskosten. Met deze app kunnen zorgverleners zich richten op hun kerntaken, terwijl de AI het tijdrovende en complexe puzzelwerk van de planning op zich neemt. Hoewel de app de planning optimaliseert, behoudt de roostermaker de controle en kan deze gemakkelijk aanpassingen maken op basis van lokale omstandigheden. Dit garandeert een eerlijk en transparant rooster dat de juiste zorg op het juiste moment biedt.

Artificial Intelligence in Dementieonderzoek

Artificial Intelligence speelt een groeiende rol in dementieonderzoek, waarbij het wordt ingezet in verschillende projecten binnen dementie-onderzoeksconsortia. Bijvoorbeeld, in het BIRD-NL project, dat zich richt op risicoreductie van dementie, wordt AI gebruikt om te testen of nieuwe methoden de voorspelling van risico’s kunnen verbeteren. In het TAP-Dementia project, gericht op diagnostiek van dementie, worden AI-applicaties ontwikkeld om informatie uit beelden te extraheren en te combineren met andere beschikbare gegevens. Deze ontwikkelingen worden verder gestimuleerd door de recente start van twee consortia vanuit de KIC-call ‘Leven met Dementie’, waarbij AI wordt geïntegreerd in interdisciplinair onderzoek.

Een diepgaande analyse van DNA en eiwitgegevens

Om de complexiteit van Alzheimer te doorgronden, vergelijkt het onderzoeksteam onder leiding van Marcel Reinders van de faculteit Elektrotechniek, Informatica en Wiskunde aan de TU Delft de DNA- en eiwitgegevens van Alzheimerpatiënten met die van mensen zonder de ziekte, met name gericht op honderdjarigen zonder dementie. In samenwerking met het Alzheimercentrum Amsterdam van het Amsterdam UMC worden deze gegevens geanalyseerd en worden algoritmes ontwikkeld om patronen te ontdekken. Deze multidisciplinaire aanpak, waarbij biologie en dataverzameling samenkomen met geavanceerde data-analysetechnieken, heeft al geleid tot belangrijke ontdekkingen zoals specifieke afwijkingen in een gen die kunnen wijzen op de ontwikkeling van Alzheimer. Hoewel het onderzoek goed op weg is, benadrukt Marcel Reinders de behoefte aan meer middelen en financiering om de voortgang te versnellen en effectieve oplossingen voor deze verwoestende ziekte te vinden.

Artificiële intelligentie bij longziekten

Bij Thirona wordt AI ingezet voor de analyse van röntgenfoto’s en CT-scans bij longziekten. Hoewel Thirona aanvankelijk voornamelijk analyseerde voor ziekenhuizen en farmaceutische studies, kwam de ontwikkeling in een stroomversnelling tijdens de COVID-19-pandemie. Thirona ontwikkelde een product voor het analyseren van longscans van COVID-19-patiënten, wat niet alleen leidde tot groei en nieuwe samenwerkingen, maar ook de interesse in digitalisering en AI in de gezondheidszorg vergrootte.

Vroegtijdige opsporing en behandeling van longkanker

Het IMAGIO-project zet zich in voor de verbetering van vroegtijdige detectie en behandeling van longkanker door middel van geavanceerde beeldvormende technieken. Door de ontwikkeling van artificial intelligence-modellen en geavanceerde endoscopische technieken, zoals cone beam CT navigatie bronchoscopie, hoopt het team vroegtijdige diagnose en minimaal invasieve behandelingen te bevorderen, wat de overlevingskansen en kwaliteit van leven van longkankerpatiënten kan verbeteren.

Artificial intelligence speelt een cruciale rol in het verbeteren van de diagnose en behandeling van kanker, waardoor overbehandeling kan worden voorkomen en de zorg gepersonaliseerder wordt. In het kader van het IMAGIO-project wordt gewerkt aan de ontwikkeling van een geavanceerd AI-model dat gebruik maakt van CT- en PET-scans om artsen te voorzien van deskundig advies. Dit AI-model zal niet alleen helpen bij het herkennen en categoriseren van kanker, maar zal ook worden gekoppeld aan een model dat alle beschikbare informatie over mogelijke behandelingsopties en de kwaliteit van leven van de patiënt integreert. Hierdoor kunnen artsen en patiënten samen beslissen over de meest geschikte behandeling, met als doel het maximaliseren van de behandelingsresultaten en het behoud van de kwaliteit van leven.

AI kan aan je stem horen of je diabetes hebt

Een innovatieve AI-methode biedt nu de mogelijkheid om thuis te testen op diabetes type 2 door simpelweg naar je stem te luisteren. Onderzoekers van ‘Klick Labs’ hebben stemherkenningssoftware gecombineerd met kunstmatige intelligentie om aan de hand van een korte spraakopname en enkele basisinformatie zoals lengte, gewicht en geslacht een inschatting te maken van het risico op diabetes. Deze baanbrekende technologie, onlangs gepresenteerd in de herfst, heeft een opmerkelijke nauwkeurigheid van 86% voor mannen en zelfs 89% voor vrouwen bij het diagnosticeren van diabetes type 2.

AI screening voor borstkanker

In de zomer van 2023 werd een grootschalig Zweeds onderzoek gepubliceerd over de rol van AI bij het diagnosticeren van borstkanker. In dit onderzoek werden meer dan 80.000 mammogrammen (scans) geanalyseerd, waarbij de helft werd beoordeeld door radiologen en de andere helft door een AI-systeem. Opmerkelijk genoeg bleek het computerprogramma borstkanker even goed, of zelfs iets beter, te kunnen detecteren dan de radiologen. De AI-screening resulteerde in iets vaker de ontdekking van borstkanker bij vrouwen, zonder dat dit leidde tot een toename van onterechte meldingen. Deze bevindingen werden gepubliceerd in het wetenschappelijke tijdschrift The Lancet Oncology als onderdeel van een veiligheidsstudie, waarbij tussentijdse resultaten vooral inzicht bieden in de veiligheid en effectiviteit van het gebruik van AI in de zorg. De uiteindelijke impact op de patiëntenzorg zal pas blijken wanneer het volledige onderzoek is afgerond.

Hartritmestoornissen herkennen met AI

AI biedt een veelbelovende mogelijkheid om hartritmestoornissen op te sporen, zelfs bij mensen die geen symptomen ervaren. Deze nieuwe toepassing kwam eerder in de schijnwerpers te staan vanwege zijn vermogen om afwijkingen te detecteren die vaak over het hoofd worden gezien tijdens traditionele medische controles. Een vroege diagnose van hartritmestoornissen kan het risico op beroertes en andere hartaandoeningen aanzienlijk verminderen, vooral bij mensen met voorkamerfibrillatie, de meest voorkomende hartritmestoornis. Net zoals bij diabetes zijn veel mensen zich niet bewust van deze aandoening, waardoor de potentie van AI in het opsporen ervan des te belangrijker wordt.

Chatbot voert triage uit

Het Tel Aviv Sourasky Medical Center heeft als eerste ziekenhuis ter wereld een geavanceerde versie van ChatGPT te integreren in het triageproces. Deze innovatieve AI-robot, ontwikkeld door een startup, is naadloos geïntegreerd in het bestaande AI-systeem van het ziekenhuis. Patiënten kunnen via een online platform enkele relevante vragen beantwoorden, waarna de ChatGPT-applicatie een duidelijke klinische samenvatting naar de artsen stuurt. Deze integratie versnelt aanzienlijk het triageproces en de bijbehorende patiëntenallocatie.

Radiologiebeelden analyseren

Deep learning stelt computers in staat radiologiebeelden te analyseren met een nauwkeurigheid van 99 procent en dit aanzienlijk sneller te doen dan menselijke radiologen. Embolieën kunnen worden gemarkeerd en kankercellen worden met verbazingwekkende precisie gedetecteerd. Opvallend is dat dergelijke technologie niet langer beperkt is tot professionals; bedrijven zoals SkinVision in Nederland bieden AI-oplossingen aan waarmee patiënten zelf foto’s kunnen maken van verdachte huidvlekken. Deze oplossingen kunnen patiënten informeren over mogelijke risico’s van huidafwijkingen dankzij de kracht van deep learning.

Preventieve zorg met behulp van AI

Machine learning heeft voorspellende zorg mogelijk gemaakt, zoals bij StrokeViewer van Nicolab, waarmee artsen beroertes kunnen voorspellen en diagnosticeren met behulp van algoritmen. AI analyseert automatisch scans en stuurt mobiele meldingen naar radiologen, die zo snel kunnen ingrijpen en efficiënter kunnen handelen. Deze technologie maakt gebruik van generatieve AI, die beelden, klinische notities en gesprekken integreert om vergelijkbare patiënten te identificeren en zelfs te bepalen welke patiënten onmiddellijke behandeling nodig hebben. Dit automatiseert ook handmatige documentverwerking, waardoor de administratieve last voor zorgprofessionals afneemt.

Postoperatieve infecties voorspellen met AI

Healthplus.ai maakt gebruik van kunstmatige intelligentie om het risico op postoperatieve infecties bij patiënten vrijwel direct na de ingreep nauwkeurig te voorspellen. Met jaarlijks zo’n 1,4 miljoen patiënten in Nederland en 300 miljoen wereldwijd die een chirurgische ingreep ondergaan, waarvan één op de vier tot vijf patiënten complicaties ondervindt in de vorm van ontstekingen of infecties, is de impact significant. Deze infecties vertragen het genezingsproces, verlengen ziekenhuisopnames en resulteren vaak in langdurige klachten en beperkingen. Healthplus.ai biedt de mogelijkheid tot proactieve monitoring, besluitvorming en behandeling, wat niet alleen de last voor de patiënt verlicht en de opnameduur verkort, maar ook de werkdruk in ziekenhuizen verlaagt.

De tong en AI als diagnostisch instrument

Onderzoekers hebben een innovatief algoritme ontwikkeld waarmee ze ziektes kunnen herkennen aan de hand van tonganalyses. Door te kijken naar de kleur, vorm en textuur van de tong kunnen ze in sommige gevallen vaststellen of iemand bepaalde aandoeningen heeft, variërend van leverproblemen tot bloedarmoede en diabetes. Recente studies tonen aan dat meer dan 10 ziektes met een nauwkeurigheid van 80% kunnen worden gediagnosticeerd met behulp van dit algoritme, waarbij bij 3 ziektes zelfs een precisie van 94% wordt behaald. Dit onderzoek biedt mogelijkheden voor snellere en efficiëntere diagnoses, waardoor gezondheidsproblemen vroegtijdig kunnen worden opgespoord en behandeld.

De mogelijkheid om de analyse van de tong aan computers over te laten, vertegenwoordigt een enorme vooruitgang in de medische diagnostiek. Met behulp van kunstmatige intelligentie en de camera op bijvoorbeeld een smartphone, kunnen ziekten nu op afstand worden gediagnosticeerd.

AI schat kans op borstkanker in

Een vijfjarig onderzoek onder 13.628 vrouwen toonde aan dat AI-modellen beter presteren dan het traditionele klinische risicomodel, zelfs met slechts de mammografische foto’s als input. De AI-algoritmes kunnen niet alleen agressieve kankers binnen een jaar detecteren, maar ook toekomstige risico’s tot vijf jaar na de scan voorspellen. Hoewel de exacte kenmerken die de AI-modellen benutten nog onduidelijk zijn, bieden ze een veelbelovende tool voor het efficiënt en nauwkeurig voorspellen van borstkanker, waardoor een gepersonaliseerde precisiebehandeling mogelijk wordt.

AI helpt ook bij diagnosticeren borstkanker met zeer dicht borstweefsel in

Onderzoekers van UMC Utrecht hebben met behulp van kunstmatige intelligentie (AI) een nieuwe indicator ontdekt die mogelijk kan helpen bij het opsporen van borstkanker bij vrouwen met zeer dicht borstweefsel. Deze indicator betreft de mate waarin normaal klier- en bindweefsel oplicht door contrastvloeistof tijdens een MRI-scan. De bevindingen bieden potentieel voor een effectievere aanpak van aanvullende MRI-screening voor deze specifieke groep vrouwen met een verhoogd risico op borstkanker.