Artificiële Intelligentie (AI) zet haar exponentiële infiltratie voort in de verschillende domeinen van de geneeskunde. Dat geldt zowel door de vooruitgang van de basiswetenschappen als door specifieke vorderingen in sommige specialismen. Een update van de stand van zaken op het gebied van medische AI in 2021.
De belangrijkste gebieden van klinische medische AI zijn preventie/voorspelling, diagnose en monitoring/kwantificering van de zorg. Er zijn er echter nog vele andere waaronder ondersteuning van klinische besluitvorming, AI toegepast op medische informatica (automatische verwerking van natuurlijke taal, ambient clinical intelligence), en AI voor medisch onderzoek (b.v. gericht op het ontdekken van geneesmiddelen of het modelleren van ziekten).
Wat voorspellingen betreft: 2020, dat gekenmerkt werd door de COVID-19 pandemie, werd ook gemarkeerd door een explosie van het aantal papers waarin voorspellende modellen werden voorgesteld voor een COVID-19 diagnose of complicaties in verband met de infectie: ten minste 37.000 in 2021!
Ze zijn nauwgezet geëvalueerd -en ze worden opnieuw getoetst telkens wanneer een nieuw artikel wordt gepubliceerd- door een team van onderzoekers onder leiding van Laure Wynants (KU Leuven - Universiteit Maastricht): de kwaliteit van deze modellen fluctueert sterk, en slechts een handvol (20 tot 130) kan daadwerkelijk aspecten van de ziekte voorspellen.
Buiten de pandemie worden elke dag duizenden artikels gepubliceerd waarin wordt geprobeerd om een of andere medische gebeurtenis te voorspellen. Deze modellen zijn soms verklaarbaar, maar vaak zijn het "zwarte dozen", d.w.z. ze passen zeer goed bij de uitgangspunten, maar het is niet duidelijk hoe.
Steeds meer geavanceerdere diagnose-instrumenten
Deze trend is niet triviaal: hij wordt verklaard door een specifieke behoefte van clinici die vaak niet hoeven te weten hoe een model precies werkt, zolang het maar in staat is om een voorval of een diagnose te voorspellen: de behoeften verschuiven dus steeds meer van de redenering die door de klassieke statistiek wordt gedicteerd (voorwaarden en gebruikscases) naar complexere en meer algemene modellen. Je moet ze zelfs niet erg goed kunnen vatten zoals de zogenaamde AI-technieken ze voorstellen.
Voorspellende modellen maken op hun beurt de ontwikkeling mogelijk van steeds meer geavanceerdere diagnose-instrumenten op verschillende gebieden (radiologie, klinische biologie, neurologie, cardiologie, gastro-enterologie).
Voorspellende modellen en diagnose-instrumenten ondersteunen nieuwe bewakingstechnologie waardoor het individu (en zijn arts of ziekenhuis) op elk moment een hele reeks lichaamsparameters en -variabelen kan controleren.
In 2021 zijn wearables, de technologische bloedvaten van monitoringinstrumenten, in staat om: de bloeddruk te meten, een ECG en een EEG uit te voeren, de ademhaling en de zuurstofverzadiging te beoordelen, de lichaamstemperatuur te meten, het gezichtsvermogen en de beweging te checken. Ze kunnen afwijkingen op bijna alle vlakken opsporen en melden. Alle bovenstaande voorbeelden hebben tegenhangers die door de Amerikaanse FDA zijn gevalideerd.
Wetenschappelijke benadering weer centraal stellen bij innovatie
De sector wordt echter, bijna onbewust, afgeremd omdat klinische proeven voor de instrumenten vrijwel volledig ontbreken. We kunnen vaak niet vaststellen of deze instrumenten een meerwaarde bieden qua overleving of levenskwaliteit of superieure zorg dan wanneer we ze niet zouden gebruiken, en of de methodologie en het ontwerp relevant zijn: het is echt nodig om de wetenschappelijke benadering weer centraal te stellen bij AI-innovatie. En Europees kan dat alleen als de industrie nauw samenwerkt met universiteiten en ziekenhuizen, via overheidsnormen. Daarbij moeten we het probleem van de beschikbaarheid van gegevens en ethische kwesties oplossen.
Ziekenhuisomgeving mist deskundigheid
Organisatorisch beschikken de Europese ziekenhuizen niet over de nodige wapens om de AI-evolutie het hoofd te bieden. De meest innoverende centra hebben een strategie uitgestippeld (vaststelling van de toepassingsgevallen) en staan op het punt om cruciale stappen te zetten naar financiering, motivatie en bewustmaking van het personeel. De andere blijven in een staat van onverschilligheid vertoeven.
In ieder geval is er een groeiend gebrek aan medische en bestuurlijke deskundigheid op het gebied van kunstmatige intelligentie, wat de vraag doet rijzen naar de noodzaak van een al dan niet academische opleiding. In ruimere zin is de politieke wereld zich niet erg bewust van het probleem en ontbreekt het haar, evenals de ziekenhuissector, aan de nodige deskundigheid.
Al deze aspecten kwamen aan bod tijdens de Belgische Week van de Kunstmatige Intelligentie, georganiseerd door Nathanael Ackerman, directeur van AI4Belgium. Ze liep van 15 tot 19 maart. Meer bepaald zal onze AI4Health werkgroep de eerste trends presenteren van de AI-Barometer die in samenwerking met De Specialist en EY werd gerealiseerd.
Eind april, begin mei zullen alle resultaten op een digitaal symposium worden gepresenteerd. Er zal ook een speciaal verslag worden gepubliceerd in De Specialist en NumeriKare
2021 wordt het jaar van de concrete projecten
Kortom, wij beseffen nu het immense potentieel van AI in de geneeskunde, en met name van klinische AI. Maar dit potentieel moet worden geëvalueerd, geanalyseerd en geïntegreerd in strategische keuzes op zowel institutioneel als nationaal of zelfs internationaal niveau.
De instellingen hebben steun nodig van het handjevol deskundigen dat op het grondgebied aanwezig is. In België leidt AI4Health binnen AI4Belgium het debat over de integratie van AI in de klinische praktijk.
In die zin wordt 2021 het jaar van de lancering van initiatieven en concrete projecten: België begint eindelijk vaart te zetten in een debat dat met lichtsnelheid verloopt.
De kunstmatige intelligentie (AI) zet haar exponentiële infiltratie in de verschillende gebieden van de geneeskunde voort, zowel door de vooruitgang van de basiswetenschappen op dit gebied als door de specifieke vooruitgang in bepaalde specialismen.
