Voormalig IBM Watson-ambassadeur Nicky Hekster over mensgerichte AI: “Hollywood heeft ons op het verkeerde been gezet”

Kunstmatige intelligentie in de zorg staat de afgelopen tijd flink in de belangstelling. Al in de jaren vijftig is er een start mee gemaakt. De systematiek voor machine learning was er bijvoorbeeld al in de jaren negentig, maar computers waren nog niet snel genoeg en er was nog onvoldoende data, blikt Nicky Hekster terug. Hekster is tegenwoordig docent en consultant gericht op AI in de zorg, maar werkte tot vorig jaar ruim 34 jaar bij IBM. En was onder andere ambassadeur van supercomputer Watson, waarmee AI voor het eerst breed gepresenteerd werd.

Sprekend over zijn vak, haalt Hekster aan vooral naar het hele ecosysteem te kijken. Want juist in een ecosysteem – denk bij zorg bijvoorbeeld aan patiënt, ziekenhuizen, GGZ, apotheken en zorgverzekeraars – wordt veel data gegenereerd. “En als dat zo is, dan kan er een kans liggen om te profiteren van AI.”

Inpassen in workflow
Dat die kansen in toenemende mate gezien worden binnen de zorg, is positief, maar brengt ook uitdagingen met zich mee, vervolgt hij. Veel mensen hebben het ‘AI-licht’ gezien en gaan er zelf mee experimenteren om het in de vingers te krijgen, ziet Hekster onder andere bij UMC’s. “Dat moet je niet ontmoedigen, voor onderzoek is het zeker nuttig, maar je wilt het op een gegeven moment wel in een klinische workflow inpassen. Dus zul je moeten voldoen aan kwaliteitsstandaarden, regelgeving en jurisdictie. Daar zijn ziekenhuizen vaak niet op ingericht.” Samenwerking met anderen is ook belangrijk. Onderling, maar ook met startups bijvoorbeeld.

Daarbij speelt mee dat als je bijvoorbeeld een neuraal netwerk traint op een bepaalde toepassing je deze veelal niet één op één kunt overzetten naar een ander ziekenhuis, want daar wordt met andere data en processen gewerkt. Bijvoorbeeld in de oncologie zijn er te veel verschillen, omdat het patiëntenaanbod en behandelmethoden overal heel anders zijn. “Als je in de buurt van Tata Steel woont, zul je heel andere aandoeningen hebben dan dat je bijvoorbeeld op het platteland van Limburg leeft.”

Evidence based werken
Een goed voorbeeld van waar het wel op meerdere plekken toepasbaar is, is volgens Hekster de manier waarop Pacmed het aanpakt voor intensive care-afdelingen – die ook grotendeels gelijk zijn binnen ziekenhuizen.

De algemene trend bij ziekenhuizen is volgens de AI-expert evidence based te willen werken om de patiëntenzorg efficiënter, kwalitatief beter en goedkoper te maken. Gedreven door het feit dat mensen steeds langer leven, maar wel met meer comorbiditeiten. “Er wordt steeds vaker de vraag gesteld hoe we daardoor de toenemende druk in de zorg aankunnen in de toekomst.”

Dat uit zich er onder andere in dat radiologen door AI en machine learning geholpen worden sneller en eenvoudiger annotaties te kunnen maken bij beelden. En aan een heel andere kant is er bijvoorbeeld het door AI ondersteund speuren naar nieuwe medicijnen. Technologie is daarbij altijd slechts een hulpmiddel, benadrukt Hekster. “Wij kunnen kijken hoe we het kunnen inpassen, valideren en het vertrouwen krijgen dat het medische professionals helpt in hun werk. Dat zijn grote uitdagingen bij ziekenhuizen.”

Om dit goed te kunnen doen, zijn er voldoende grote datasets nodig. En moeten gegevens uitwisselbaar zijn – wat de door IHE nagestreefde interoperabiliteit raakt. 

Verandermanagement
Een nieuwe technologie introduceren in een vrij starre, conservatieve omgeving blijft een uitdaging. Temeer omdat het vrijwel alle lagen van de organisatie raakt. Leren werken met AI is dan ook vooral een verandermanagementvraagstuk, meent Hekster. Een Raad van bestuur moet volgens hem in de andere manier van denken meegaan, die hebben de doorzettingsmacht richting de organisatie. En daarbij vooral de artsen erbij betrekken als ‘agents of change’. “Je hebt met dezelfde problematiek te maken als bij de implementatie van een nieuw ziekenhuisinformatiesysteem.”

Het zou volgens Hekster goed zijn om ziekenhuizen meer als ‘datafabrieken’ te zien, die enorm veel gegevens produceren waar je erg zuinig op moet zijn. Niet alleen omdat het om gevoelige patiëntendata gaat, maar ook omdat het juist kansen creëert. “Je kunt leren van alle patiënten die je gezien hebt en bij de volgende het beter of zelfs het beste doen.”

Als je zo nadenkt en data als een groot goed erkent en daarop handelt, dan toon je leiderschap, meent hij. Praktisch gezien bijvoorbeeld door een datarentmeester aan te stellen die erop toeziet dat data niet alleen op een uniforme manier vergaard wordt, maar ook zorgt dat er iets zinnigs mee gebeurt. 

Data centraal stellen
Aanvullend daarop: “Leiderschap is ook beseffen dat je voldoende data nodig hebt en het interessant kan zijn om data uit te wisselen met anderen.” Dat komt niet altijd vanuit de top, vult hij aan, maar van de artsen. “Die staan immers met hun voeten in de modder.”

“Je moet ook niet alles tegelijk willen. Ik denk dat je op lokaal niveau moet beginnen en kijken wat je daar kunt bereiken. Om dat vervolgens langzaamaan uit te bouwen. Het is een heilige graal om de patiënt centraal te stellen en te denken dat van al die contactpunten die hij in het zorgecosysteem heeft je de data kunt afleggen en er iets mee kunt doen. Laten we dus maar eens beginnen om de data centraal te stellen.”

Positief is volgens Hekster dat binnen IHE AI inmiddels is doorgedrongen in de profielen en whitepapers van Radiologie. “Daar zie je dat men erkent dat het toch wel een heel goed idee is. Dat wordt niet door één iemand bedacht, maar door allerlei mensen uit het ecosysteem. Zij vinden gezamenlijk iets van een profiel.”

Voordelen promoten
Terugkomend op AI als hulpmiddel stelt Hekster dat mensen vele malen knapper zijn dan AI-systemen. Wel zijn er systemen die autonoom veel beter in staat zijn om afwijkingen te vinden in foto’s en zaken te annoteren, maar die kunnen één ding heel diep. Mensen zijn goed in aan meerdere dingen tegelijk te denken en op basis van intuïtie een beeld te vormen. “AI is een hulpmiddel om het lineair en non-lineair denken, het rationele en niet-rationele te combineren en zo te versterken. Met data ben je meer dokter.”

Om AI mensgericht te houden, blijkt het dan ook belangrijk om te laten zien wat de meerwaarde is en hoe het de mens kan helpen. Hekster wijst op het bekende filmpje uit de jaren negentig, waarin mensen tijdens straatinterviews aangeven nooit een mobiele telefoon te willen. Dat zou geen meerwaarde brengen. “Je moet duidelijk kunnen uitleggen waarom het nuttig is en men ervoor open zou moeten staan. Want we zijn door Hollywood op het verkeerde been gezet, met films waarin de mens tegen de intelligente machine strijdt en deze de macht wil grijpen.” Daarom, onderstreept Hekster nogmaals, is het zo belangrijk om uit te leggen dat deze technologie nooit slimmer wordt dan de mens, maar hem wel kan ondersteunen om sneller en preciezer te werken. “Als we de voordelen goed genoeg promoten, zal iedereen het omarmen.”

Collegebanken
Wat bij dat laatste kan helpen, is om AI sterker in te bedden in genees- en verpleegkundige opleidingen. Niet alleen op universitair niveau, maar juist ook binnen het vmbo en hbo. Dat AI net als andere technologieën iets is dat je kunt gebruiken in je werk. “Net als dat je chemie nodig hebt in een laboratorium is AI ook een hulpmiddel. Als je dat niet vertelt in de collegebanken, mis je de boot.”