AI-ontwikkeling: heeft de gezondheidszorg echt behoefte aan AI gebaseerde oplossingen?

Daria Maksimenko

Daria Maksimenko

22.04.2019

This post is also available in: enEnglish (Engels)

Kunstmatige intelligentie (AI) is toonaangevend op het gebied van innovatie. AI wordt in bijna alle aspecten van ons leven gebruikt, van zelfrijdende auto’s tot aan het opsporen van levensbedreigende ziekten. Mensen discussiëren vaak over de vraag of AI ons meer voordelen dan wel problemen oplevert. Toch valt het moeilijk te ontkennen dat AI problemen kan oplossen, die niet door een mens kunnen worden opgelost. Laten we de zorgsector als voorbeeld nemen, aangezien AI in het tweede kwartaal van 2018 een historisch hoogtepunt bereikte in de gezondheidszorg financiering.

Hadden we ons tientallen jaren geleden de dingen kunnen voorstellen, die nu in de geneeskunde plaatsvinden als gevolg van technologie? We zullen geen rekening houden met gebeurtenissen, zoals de recente 2-0 overwinning van het Chinese Biomind AI-systeem op de mens bij het analyseren van hersenbeelden, aangezien robots al meer dan 30 jaar in de geneeskunde worden gebruikt. Maar we zullen nadenken over de uitdagingen die AI in ons huidige leven kan oplossen.

“Hoe kan het ineens zo laat zijn geworden?”

De grootste uitdaging is tijdwinst. In alle aspecten van het leven is er nog steeds sprake van veel routinematig werk dat veel menselijke inspanning vereist. In de geneeskunde kosten dergelijke tijdrovende activiteiten soms erg veel.

In de gezondheidszorg is 86% van de fouten administratief en daarom volledig te voorkomen. De meeste fouten worden veroorzaakt door defecte systemen, processen en omstandigheden, die ertoe leiden dat mensen fouten maken of deze niet kunnen voorkomen.

Er bestaat bijvoorbeeld geen standaardformaat voor een centrale bewaarplaats van patiëntgegevens. Wanneer een patiëntdossier wordt gefaxt, als onleesbare PDF per e-mail of als afbeelding van handgeschreven notities wordt verzonden, wordt het extraheren van informatie een zeer tijdrovende bezigheid, zo niet een onmogelijke. Objectherkenning is een van de dingen, die met behulp van Machine Learning engineering eenvoudig kan worden opgelost.

machine learning expert

Het is mogelijk om de patiëntenstroom op basis van het seizoen te beheren: AI-modellen kunnen het mogelijke aantal bezoekers voorspellen op basis van informatie uit de voorgaande seizoenen, waardoor het rooster kan worden aangepast en de belasting over het medisch personeel kan worden verdeeld.

“De enige vereiste is dat er voldoende gegevens moeten zijn en dat ze bovendien van de hoogste kwaliteit moeten zijn voor een correct analyse en een effectief AI-model “, waarschuwt Nikita Krylov, Machine Learning engineer bij CactusSoft.

Nikita Krylov, Machine Learning engineer bij
CactusSoft

Objectherkenning kan ook worden gebruikt bij de opsporing van kanker, pneumonie en andere anomalieën in medische beelden, optreden als tandartsassistent (ondersteunen bij het classificeren van tanden of het met behulp van röntgenfoto’s herkennen van de tanden die bijkomende zorg nodig hebben), enzovoort.

Medische fouten zijn de derde belangrijkste doodsoorzaak in de VS

Het tweede, maar niet minder belangrijke, probleem is een menselijke factor. Als het moeilijk genoeg is om je gezondheid of zelfs je leven toe te vertrouwen aan een arts, die je nog nooit eerder hebt ontmoet, wat zegt dat dan over machines?

Met jaarlijks ongeveer 251.454 sterfgevallen in de Verenigde Staten als gevolg van medische fouten, schatten onderzoekers van de Johns Hopkins Universiteit dat dit de derde belangrijkste doodsoorzaak in het land is. Meer recente gegevens geven echter aan dat deze aantallen aanzienlijk hoger kunnen zijn.

In veel opzichten hebben we nu al hele eenvoudige vormen van AI in ziekenhuizen, zoals hulpmiddelen die abnormale ritmes in een ECG identificeren. Een abnormaal hartslagpatroon activeert een waarschuwing om de aandacht van een arts te trekken. Dit is een computer, die een mens probeert na te doen die de gegevens begrijpt en zegt: “Dit ziet er niet normaal uit. Het kan een probleem zijn.”

We hebben nu de capaciteit om veel grotere en complexere gegevensbronnen te analyseren, zoals een volledig elektronisch patiëntendossier of misschien zelfs gegevens uit het dagelijks leven, omdat meer mensen hun slaappatroon of hartslag volgen met draagbare apparaten.

Vorig jaar ontwikkelden de ingenieurs van CactusSoft een AI-applicatie, die de nauwkeurigheid van het meten van niet-invasieve arteriële bloeddruk (ABP) met Machine Learning zou moeten verbeteren.

ai-in-healthcare

“We gebruikten een paar signalen, ECG + PPG, om drie mogelijke methoden van ABP-voorspelling te vinden: polsgolf-transittijd (de periode tussen ECG- en PPG-pieken); PPG curve-analyse en een end-to-end-oplossing met behulp van neurale netwerken (met onbewerkte data). Het bleek dat Machine Learning alleen bij de eerste twee methoden kan worden gebruikt vanwege de geschatte waarde bij de derde methode. Als gevolg daarvan hebben we een AI-applicatie ontwikkeld voor spectrale analyse van de hartslag, die de gegevens uit een microcontroller of record file gebruikte”, zegt Nikita Krylov.

De ontwikkeling van dergelijke op AI gebaseerde gezondheidszorgoplossingen geeft ons de indruk dat AI belangrijke en essentiële veranderingen zal opleveren. Dit is slechts een begin.

Verwacht wordt dat de wereldwijde IT-markt voor de gezondheidszorg in 2023 maar liefst 223 miljard dollar waard zal zijn, slechts gedeeltelijk gedreven door AI en Machine Learning.