Geconfronteerd met een groeiende werkdruk belooft artificiële intelligentie (AI) de dagelijkse werkdruk van radiologen te verlichten door bepaalde taken te automatiseren. De werkelijke impact op burn-out blijft echter onzeker. Een recent onderzoek, gepubliceerd in JAMA, suggereert dat het gebruik van AI paradoxaal genoeg de burn-out onder deze artsen zou kunnen verergeren.
Artificiële intelligentie (AI) wordt steeds belangrijker op het gebied van radiologie, vooral door een toename van het aantal beeldvormende onderzoeken en een snelle toename van het aantal tools dat is goedgekeurd door de gezondheidsautoriteiten, met name in de Verenigde Staten. Meer dan 75% van de door de FDA gevalideerde modellen hebben betrekking op radiologie. Deze hulpmiddelen, of ze nu gericht zijn op interpretatie (detectie, diagnose, prognose) of op ondersteunende taken (schrijven van rapporten, protocolbeheer, planning), beloven radiologen een hulp van onschatbare waarde. Een recente studie van Liu et al., gepubliceerd in JAMA, roept echter een belangrijke vraag op: helpt AI radiologen echt of verhoogt het hun burn-out?
Burn-out al merkbaar
Burn-out is een ernstig probleem voor radiologen, die te maken hebben met een te hoge werkdruk en voortdurende stress. Het syndroom wordt gekenmerkt door chronische vermoeidheid, psychologische onthechting van het beroep en een gevoel van inefficiëntie. Volgens een onderzoek onder 6.726 radiologen uit 1.143 ziekenhuizen in China, wordt regelmatig gebruik van AI in verband gebracht met een verhoogd risico op burn-out. De onderzoekers stratificeerden de deelnemers in twee groepen: regelmatige AI-gebruikers (3.017 mensen) en incidentele gebruikers of niet-gebruikers (3.709 mensen).
De studie laat een dosis-responsrelatie zien: hoe intensiever het gebruik van AI, hoe groter het risico op burn-out. De cross-sectionele methodologie beperkt echter de causale interpretatie. Ligt AI aan de basis van dit fenomeen of gebruiken al uitgeputte radiologen deze tools om hun mentale belasting te verlichten?
Een complex hulpmiddel om onder de knie te krijgen
De analyse van de onderzoekers benadrukt verschillende factoren die deze associatie zouden kunnen verklaren. Ten eerste speelt de beperkte acceptatie van AI een doorslaggevende rol. Sommige radiologen, geclassificeerd in de categorie 'lage acceptatie', missen kennis over deze technologieën, nemen er een negatieve houding tegenover aan en zijn terughoudend om ze in hun praktijk te integreren. Deze terughoudendheid, in combinatie met een slechte beheersing van de tools, kan een extra mentale belasting met zich meebrengen.
Tegelijkertijd staat Human-Machine Interaction (HMI) nog in de kinderschoenen. Volgens de auteurs verergert het onvermogen om AI effectief te integreren in werkstromen de frustratie bij gebruikers en verhindert het dat de verwachte voordelen worden gemaximaliseerd. Dit probleem kan worden gezien als een bron van extra stress, in plaats van een verlichting.
Een specifiek kwetsbaarheidsprofiel
De studie identificeert ook profielen die meer blootgesteld zijn aan dit fenomeen. Vrouwelijke radiologen lopen een groter risico op een burn-out dan hun mannelijke collega's. Daarnaast blijken radiologen jonger dan 40 jaar bijzonder kwetsbaar te zijn, net als degenen die in een omgeving met een hoge werkdruk werken, gemeten aan de hand van lange uren beeldinterpretatie en een hoog volume onderzoeken. Tot slot behoren radiologen met een lage acceptatiegraad van AI - d.w.z. beperkte kennis van de hulpmiddelen, weinig intentie om ze te gebruiken en een negatieve houding - tot degenen die het meest worden getroffen.
Een evenwicht vinden
Deze observaties benadrukken de uitdagingen die gepaard gaan met de toepassing van AI in de radiologie, zoals zeker in andere specialismen. Hoewel deze technologieën bedoeld zijn om de werklast te verlichten, kan hun slecht gecontroleerde integratie bestaande spanningen verergeren. Betere training voor gebruikers en een heroverweging van HMI zijn essentieel om te voorkomen dat AI een extra bron van stress wordt.
Uiteindelijk herinneren deze resultaten ons eraan dat AI, hoewel onmisbaar, geen wondermiddel is. Een meer geschikte aanpak, gecombineerd met longitudinale studies en gerandomiseerde klinische onderzoeken, zal ons in staat stellen om het potentieel van AI beter te begrijpen en te benutten zonder het welzijn van radiologen aan te tasten.
