Medewerkers van Info Support met kennis van kunstmatige intelligentie, IT-architectuur, data en applicatieontwikkeling kwamen samen om een model voor het herkennen van een melanoom te ontwikkelen, dit te integreren in een applicatie en op te nemen in een standaard software ontwikkelproces. Hierdoor is het mogelijk de applicatie snel verantwoord toe te passen door gebruik te maken van goed ingeregelde processen en bewezen tooling. Het doel van de hackathon was om aan de hand van een concrete uitdaging te verkennen hoe kunstmatige intelligentie een bijdrage kan leveren aan het verbeteren van de zorgverlening.
Technologische vernieuwing en AI in behandel- en zorgproces
Technologie op basis van AI wordt steeds meer een integraal onderdeel in het zorgproces. Een radioloog krijgt bijvoorbeeld in toenemende mate ondersteuning van beeldherkenning om een diagnose te stellen. Artsen worden ondersteund met kunstmatige intelligentie om een behandelingsvoorstel te maken.
Verpleeghuizen zetten sensoren in voor intramurale dementiezorg. Patiënten kunnen vergelijkingen maken met andere patiënten om meer inzicht en regie te krijgen over hun eigen behandeling. Data wordt hierbij niet langer gebruikt om iets achteraf te verklaren, het wordt steeds vaker ingezet om iets vooraf te voorspellen of om stappen voor te schrijven die leiden tot een gewenste uitkomst.
Zorg en informatietechnologie
Hoewel informatietechnologie een positieve bijdrage levert aan het verbeteren en versnellen van zorgprocessen, roept het ook vragen op. Wordt de zorg hierdoor ‘kouder’ en afstandelijker? Wordt personeel in de zorg uiteindelijk vervangen door kunstmatige intelligentie? Wij denken dat kunstmatige intelligentie zeker voor verschillende routinematige activiteiten in de zorg ingezet gaat worden. Dit vermindert de kans op fouten en leidt tot kortere doorlooptijden.
Maar kunstmatige intelligentie en technologische vernieuwing maakt de zorg ook ‘warmer’, doordat de zorgprofessional meer tijd heeft om zorg te verlenen met aandacht en compassie voor de patiënt. De voordelen zijn evident: sneller resultaat voor de patiënt, lagere kosten vanwege een efficiënter proces met minder personeel voor routinematige handelingen.
Architectuur voor data-gestuurde processen
Bij veel organisaties is data-analyse en applicatieontwikkeling gescheiden, zijn de architecturen gescheiden en worden zij als twee verschillende werelden gezien. Door middel van de hackathon, een evenement om in korte tijd een probleem te verkennen, hebben we ervaren dat we deze twee werelden bij elkaar kunnen brengen. Samen hebben we een oplossing gemaakt en van elkaar geleerd. Met deze kennis weten we nu beter hoe we een toepassing voor data moeten integreren in een applicatie en in eenzelfde ontwikkelstraat.
De werelden van data-analyse, waaronder kunstmatige intelligentie en applicatieontwikkeling, moeten bij elkaar worden gebracht in één IT-architectuur om een datagestuurde oplossing te kunnen maken. Data-analyse wordt hiermee onderdeel van het primaire proces. Transacties en data-analyses worden in hetzelfde proces uitgevoerd en zijn afhankelijk van elkaar geworden. Dit heeft impact op de huidige architectuur van een zorgaanbieder.
Daarnaast moeten de vele databronnen worden aangesloten, zoals alle sensoren en apparaten, de data in persoonlijke gezondheidsomgevingen, vanuit wetenschappelijk onderzoek en over omgevingsfactoren. Het realiseren van een IT-architectuur die de verschillende databronnen kan samenbrengen, is de grote uitdaging voor een zorgaanbieder. De hackathon toont aan dat het zeker mogelijk is om een dergelijke complexe IT-infrastructuur te ontwikkelen en benutten.
Snelle diagnose, minder onzekerheid
Met een intelligente oplossing voor beeldherkenning kan er sneller een diagnose worden gesteld en dat is voor iedereen in de zorg van belang. De patiënt heeft sneller resultaat, kan sneller worden geholpen en de kans op bijwerkingen kan mogelijk worden verkleind.
De hackathon heeft ons geleerd dat we de patiënt kunnen helpen om een melanoom te herkennen. We hebben de technieken verkend en zijn er in slechts twee dagen in geslaagd om een redelijke betrouwbaarheid te realiseren. Uit andere studies, zoals de
Stanford Artificial Intelligence Laboratory, weten we dat een hogere betrouwbaarheid te realiseren is. Hiervoor is wel meer trainingstijd van het neurale netwerk voor kunstmatige intelligentie noodzakelijk en ook moet er nog meer data worden benut. Toch is het resultaat van de hackathon zeer bemoedigend en bovendien leerzaam voor alle deelnemers.
Voor
meer informatie
