Artificiële intelligentie heeft drie mooie scorekansen aan de voet: preventie en vroege diagnose, gezondheidsrisico’s voorspellen en het terrein van research. Voor het management in het bijzonder zitten er dan weer mooie acties in op het vlak van codering en datavisualisatie (infografie 3a). Op medisch vlak vormt de assistentie en interpretatie van beeldvorming of biologische resultaten een topper bij Nederlandstaligen (infografie 3b).

De opvattingen lopen gelijk over de taalgroepen. Wel zien Nederlandstaligen iets meer ontwikkelingskansen voor steun van medische en zorgpraktijken en voor de kwaliteit van de gezondheidszorg. Franstaligen schuiven meer de optimalisatie van het patiënttraject naar voren. Overigens kunnen al deze punten op een comfortabele meerderheid rekenen.

Groen, oranje of rood
Prof. Verdonck kan zich vinden in de top drie van preventie/vroegdiagnose, voorspellen gezondheidsrisico’s en research: “Vroegdiagnose is ook voor mij de topprioriteit. Daar krijg je in de zorgketen de snelste toegevoegde waarde. Op basis van binnenlopende datareeksen kan het algoritme aanduiden of je iets als ‘groen’, ‘oranje’ of ‘rood’ moet klasseren. Zo kennen we nu al al early-warningsystemen voor kritisch zieke patiënten.”

Maar wat houdt dat nu precies in voor ontwikkelingen en prioriteiten vanuit medisch oogpunt? Hier merken we enkele duidelijke verschillen tussen de taalgroepen. Nederlandstaligen zijn vooral opgezet met de assistentie en interpretatie van beeldvorming of biologische resultaten, Franstaligen met de identificatie van de meest geschikte behandeling.

Patiënten opvolgen en monitoren op afstand markeren beide taalgroepen ook vaak. Tot slot wordt tevens de uitwerking van maatregelen voor preventie en vroege diagnose geregeld aangevinkt.

De vroegdiagnose en de monitoring zijn een meerwaarde, meent ook Ilke Montag. “Als je zo de patiënt naar je kunt toetrekken, zitten we in het patient-empowermentverhaal. Maar als ik stout mag zijn: het verhaal ligt ook buiten het ziekenhuis. Dat is misschien voor een stuk tegen mijn eigen winkel, maar AI zal geen patiënten in het ziekenhuis brengen door betere preventie of, als ze al in het ziekenhuis zijn opgenomen, kunnen ze door AI sneller naar huis. Bij artsen kan dat weerstand oproepen: waarom met AI beginnen als we ermee in ons eigen vel snijden?”

“Het antwoord daarop is dat onze rol verandert: we zijn al lang niet meer enkel de genezer waarvoor we ooit werden opgeleid. We worden meer coach door vele data samen te brengen. Nog weinig patiënten zullen we echt ‘genezen’, maar onze taak wordt veeleer om ze te ‘stabiliseren’. We evolueren van de paternalistische arts die het weet, naar coach en iemand die de patiënt op zijn verantwoordelijkheid wijst in preventie en therapietrouw. Naar meer gelijkwaardigheid, ook al zal die er nooit volledig zijn.”

Kunnen de spelers mee en snappen ze het spelsysteem?
…en wat betekent dat voor de operationele capaciteit van AI? Er gaapt een brede kloof tussen de Nederlands- en Franstaligen. Driekwart van de Franstalige respondenten weet niet dat het ziekenhuis specifieke AI-vaardigheden heeft. Of ze denken dat dat niet het geval is. Bij de Nederlandstaligen ligt het lager, bijna de helft. De meesten (beide landstalen) betwijfelen of hun ziekenhuis al AI-oplossingen implementeerde.

Er is dus nog behoorlijk wat werk aan de winkel, maar vooral beneden de taalgrens. Franstaligen zeggen dat de expertise van datamanagers en IT-ontwikkeling voorhanden is, maar telkens amper bij 20%. Nederlandstaligen scoren het dubbele (40%) maar ook dat is dus ondermaats. Scherper is de kloof bovendien als het gaat om de kennis van data-algoritmen, wiskunde en statistiek (7% FR en 33% NL).

Als er al AI-ervaringen in ziekenhuizen aanwezig zijn (gemiddeld tussen 1 en 5 ervaringen), betreft het eerst en vooral werken met toestellen ter ondersteuning van de diagnose. Of om de zorgkwaliteit te verbeteren en patiënten op afstand te monitoren. Slechts enkelen geven aan dat ze de belangrijkste AI-toepassingsgevallen geïdentificeerd hebben die ze willen invoeren.

Het kanaal waarlangs ziekenhuizen in contact kwamen met de AI-oplossingen? Vooral via samenwerkingsverbanden tussen het ziekenhuis en een start-up of externe entiteit, zeggen de Nederlandstaligen. Op twee staan privébedrijven met beperkte ondersteuning van het ziekenhuis. Opmerkelijk: de helft weet het niet.

Of ze zelf al AI-systemen hebben geïmplementeerd? De Nederlandstaligen in de eerste plaats voor diagnose- en voorschrijfassistentie (1/3). Een stuk verder volgen follow-up/monitoring patiënt vanop afstand (1/5) en klinisch onderzoek (1/7).

Blijkbaar schort er dan toch wat aan de opleiding, is het vermoeden. “Ik wil de bal niet volledig in het kamp van de uniefs leggen, maar ze hinken daar iets achterop. En eens op de werkvloer is het moeilijk om dat allemaal nog mee te nemen”, reageert dr. Montag. Prof. Verdonck beaamt: “Mijn grootste hindernis is de nood aan opleiding. Je mag 13 jaar universiteit meegemaakt hebben als arts, maar als je niet mee opgegroeid bent in die datawetenschappen, is bijscholing noodzakelijk. Idem voor de directieleden. Tot voor kort was er geen sprake van AI-ingenieurs, datascientists, data protection officers: dat zijn allemaal recente jobs.”

“Men zal moeten aantonen dat dit soort jobs en deze kennis toegevoegde waarde bieden en een multidisciplinair team beter maken. Zo ontstaat een draagvlak.”

“Wat het ook niet eenvoudiger maakt”, vervolgt dokter Montag, is het bestaan van alle mogelijke standaarden in patiëntendossiers. AI kan misschien steken oprapen die we elders hebben laten vallen en ons drijven naar een geïntegreerd patiëntendossier. Onder druk van de patiënt misschien, die niet zal begrijpen dat zoiets nog niet gerealiseerd is.”

Lees ook:
> Welke plaats verovert AI in ziekenhuizen?
> Uw visie op AI: belangrijk tot zeer belangrijk
> AI intelligent ontwikkelen in ziekenhuizen doe je zo
> Wie zal dat betalen en hoe vatten we de koe bij de horens?
> Valideren binnen ethische grenzen