Hoe zorgen we ervoor dat kunstmatige intelligentie (AI) de mens blijft dienen en gebruikers niet vast komen te zitten op AI-eilandjes? IHE-bestuurslid Onno Gabel, die we middels dit artikel voorstellen, ziet onder andere heil in partnerschapsmodellen en keuzevrijheid voor eindgebruikers. “Nederland kan een voortrekkersrol spelen.”

Als bedrijfskundig informaticus is Gabel het gewend om voortdurend een brug te slaan tussen gebruikers en technologie. Inspireren, uitdagen en werkzaam maken, zoals hij het zelf samenvat. Een constante en grote verandering daarbij zijn volgens hem de verwachtingen die men heeft van ICT: er is een rooskleurig beeld van maakbaarheid. “Het klopt dat er veel mogelijk is, maar we moeten wel realistisch blijven. Je vraagt je lokale timmerman ook niet om een raket naar de maan te maken. Er zit nog steeds een groot gat tussen verwachtingen en de werkelijkheid.”

Bij die verwachtingen speelt mee dat we met zijn allen IT steeds intensiever gebruiken. Anders gezegd, als iets op een smartphone kan, moet het ook op het werk kunnen. “Het is belangrijk te beseffen dat de schaal waarop bijvoorbeeld Apple werkt totaal anders is dan de 75 ziekenhuizen die we in Nederland hebben. Die bovendien onderling ook weer verschillende werkwijzen kunnen hebben.”

Het zijn die verschillen, en een stukje frustratie wat daaruit voortkwam, die Gabel bij IHE hebben gebracht. In het ziekenhuis waar ik destijds werkte, viel hem op dat er nogal eens geprobeerd werd om het wiel opnieuw uit te vinden. Terwijl collega’s tegen dezelfde dingen aanliepen en een gemene deler hadden met leveranciers. “Het kost te veel tijd, mensen en investeringen om alles zelf te doen. En je wilt het liefst een voorspelbaar resultaat. Dat kan alleen als vakgenoten bij elkaar komen.”

De zorg beter maken zonder arts te zijn, noemt Gabel het. Daarvoor is er al enorm veel kennis beschikbaar, die eenvoudig over te nemen is. “De sector kan veel meer leunen op werk dat er al is.” Dat dit niet altijd lukt, heeft volgens hem deels met een verkeerde mindset te maken. Zelf uitzoeken is namelijk interessant, dus veel ontwikkelaars lossen liever zelf een probleem op dan dat ze raad vragen bij anderen.

Gabel pleit er daarom voor om kennis voortdurend onder de aandacht te brengen binnen de sector en op verschillende niveaus samen te werken. “Zelfs binnen één organisatie zijn er al uitdagingen om dat goed te doen. Breng je meerdere bij elkaar, dan moet je goed kijken naar hoe je dit juridisch, financieel en qua tijd goed inregelt. En de baten goed verdeelt”, schetst hij.

Een publiek geheim daarbij is volgens hem dat er op Europees niveau flink aan de weg getimmerd wordt om samenwerking te bevorderen. “De Europese Commissie communiceert hier steeds sterker over, maar landen op zich doen dit nog niet.” Waar het op neer komt is het opschrijven hoe je technisch wilt samenwerken en keuzes maakt hoe dit gedaan wordt, vult hij aan.  “Daar moet je dus bij aan tafel zitten, anders wordt er voor je besloten.”

En dat slaat gelijk een bruggetje naar een onderwerp dat volgens Gabel meer aandacht verdient: mensgerichte kunstmatige intelligentie (AI). Vrij vertaald AI die voor de mens werkt en iets bijdraagt aan de wereld. Binnen de zorg mag dit nog een jonge bezigheid zijn, maar het is belangrijk om nu kaders te stellen en verbindingen te leggen om te voorkomen dat er straks allerlei eilandjes zijn die niet met elkaar (kunnen) communiceren.

Terwijl er juist vele kansen liggen bij goede inzet van AI. Gabel wijst onder andere op de AI-gedreven innovaties die gaande zijn binnen radiologie en pathologie, gericht op het geautomatiseerd detecteren van aanwijzingen in medische beelden. “Die beelden zien er overal ter wereld nagenoeg zelfde uit, dus als het lukt, kun je er flinke resultaten mee boeken.”

Uniformiteit lijkt een belangrijk sleutelwoord, blijkt uit de woorden van Gabel. Hij ziet bijvoorbeeld kansen voor inzet van AI bij digitale patiëntendossiers, maar dan is er eerst een uniformiseringsslag nodig. Momenteel is er nog te veel ruimte voor vrije tekst en dat vergroot de kans op misinterpretatie. “De kans is groot dat de semantiek – hoe iemand iets precies bedoelt – in de weg zet. Net als cultuurverschillen en hoe ze hun kennis vertalen in diagnostiek en verslaglegging.”

Een voorname uitdaging hierbij is volgens het IHE-bestuurslid ook dat slimme algoritmes als paddenstoelen uit de grond schieten, maar veelal nog niet geïntegreerd in bestaande systemen. En bestaande systemen laat men niet gauw los. “Ik geloof in partnerschapsmodellen. Ook voor korte duur. Gebruikers moeten eenvoudig kunnen wisselen. Daarvoor zijn leverancier-onafhankelijke koppelvlakken nodig.”

Wat ook meespeelt bij de uitdagingen, is dat het verdienmodel van met name nieuwe techpartijen niet altijd duidelijk is, snijdt Gabel aan. Bij het traditionele model – directe betalingen voor softwaregebruik en diensten – is helder waaraan wordt verdiend. Bij verdienmodellen die zich richten op het verhandelen van data is dit minder transparant. En dat kan wantrouwen wekken.

We staan nog echt aan het begin van wat mogelijk zal zijn met AI. En het is goed om te zien dat we al schetsen hebben van hoe verschillende uitdagingen, zoals interoperabiliteit, zijn op te lossen, stelt Gabel. Gunstig hierbij is volgens hem dat ons land in hoge mate is gedigitaliseerd én de kwaliteit van zorg hoog is. “We kunnen laten zien dat wij een stukje van de puzzel kunnen leggen. Zodat we dit ook in andere delen van de wereld kunnen doen. Dat we onder andere vooroplopen qua privacyregelingen helpt daarbij. Want de ethische kant van AI is net zo belangrijk als de businesskant.”

Als het lukt om de inzet van AI in de zorg in goede banen te leiden, heeft dit naar efficiency en tijdbesparing ook tot gevolg dat de zorg eerlijker kan worden, meent Gabel. Een arts kan immers ondersteund worden en meer tijd krijgen voor de menskant. Bovendien is het algemene niveau van de zorg te verhogen door het (zelf)lerende aspect van AI. En de mogelijkheid om voortdurend kennis door te spitten. “In de radiologie alleen al worden dagelijks drie nieuwe wetenschappelijke ontdekkingen gedaan. Dat is niet bij te houden door experts, maar eigenlijk verwachten we dat wel van ze”, illustreert Gabel. “Het is dus helemaal niet verkeerd om specialisten daarin te ondersteunen.”

Een goede volgende stap is volgens Gabel om goed te kijken wat er allemaal al bedacht is en daarna, wanneer je het eens bent dat het gaat werken, er gewoonweg mee te testen. “De ingrediënten zijn er allemaal, nu het recept nog. Dat is een kwestie van proberen en proeven.”