‘Creëer de fear of missing out’

John Halamka is opgeleid in de spoedeisende geneeskunde en medische informatica en werkt al meer dan veertig jaar op het snijvlak van technologie, gezondheidszorg en beleid. Inmiddels doet hij dat in de hoedanigheid van president van het prestigieuze Mayo Clinic Platform. Voorafgaand aan zijn bezoek aan de ICT&health World Conference in mei 2024 interviewt ICT&health hem voor deze uitgave over zijn baanbrekende missie om gezondheidszorg met behulp van innovatieve technologie zoals AI toegankelijk te maken voor alle mensen, op alle continenten en in alle lagen van de bevolking. Hoe hij dat wil gaan bereiken en wat hem inspireert, vertelt hij enthousiast in het onderstaande gesprek.

Kunt u kort wat vertellen over uw rol in de Mayo Clinic?

“Veel academische centra die samenwerken met de industrie en/of overheid zijn niet zo flexibel. Misschien is dat anders in Europa, maar in de VS wordt samenwerking tussen deze groepen belemmerd door allerlei regels op het gebied van veiligheid, privacy en nalevingsovereenkomsten. Daardoor duurt het vaak erg lang voordat er samenwerkingsverbanden kunnen ontstaan. De CEO en president van Mayo Clinic, Gianrico Farrugia, kwam daarom in 2019 met het idee om een platform te starten, dat een set van technologieën, beleid en bedrijfsprocessen bundelde om op mondiale schaal, frictieloze samenwerking tussen organisaties mogelijk te maken. Aan mij de taak, toen ik begon in 2020, om dat idee uit te werken en het platform te realiseren. Ik heb toen een manier gezocht om alle waardevolle gezondheidszorg- informatie van 100 jaar Mayo Clinic, vrij van allerlei rechten en restricties in ‘the cloud’ vrij beschikbaar te maken voor allerhande innovators. Dit alles met als doel om tot baanbrekende innovaties te komen.”

Waar komt uw passie voor de Mayo Clinic vandaan? 

“Ik heb meer dan veertig jaar gewerkt binnen de academische gezondheidszorg. En in het algemeen is de professor in dit soort organisaties bepalend. Bij Mayo is dat totaal anders. Daar gaat het in de allereerste plaats om de patiënt. Mayo Clinic is een organisatie met 79.000 medewerkers wereldwijd, die elke dag in samenwerking met elkaar bezig zijn met de vraag: ‘Hoe kunnen we het best voor onze patiënten zorgen?' En deze cultuur zorgt ervoor dat we kunnen bouwen aan het soort innovaties dat nodig is. Mayo Clinic is een vrij vlakke organisatie, waarin elk van die 79.000 medewerkers een gelijkwaardige rol vervult waar het gaat om het zoeken naar verbeteringen voor patiënten wereldwijd.”

"Dankzij onze algoritmes kan medisch specialist tijd aan de patiënt besteden"

Hoe staat u in contact met de mensen wereldwijd en hoe bereikt u ze met uw innovaties?

“Mayo Clinic startte aanvankelijk met haar vernieuwingen voor de tien miljoen eigen patiënten en bewees zo dat haar model werkte, en dat men op een ethische en verantwoorde manier de verkregen data kon gebruiken om innovaties door te voeren. Daarom hebben we contact opgenomen met onze collega’s in Brazilië ( (Hospital Albert Israelita Einstein), Israël (Sheba Medical Centre), Canada (University Health Network) en onlangs ook onze collega’s in Zuid Korea (Seoul). We reizen de komende maanden door Azië en Europa met de vraag of landen op een vergelijkbaar veilige en betrouwbare manier hun data kunnen beschikbaar stellen  en ze in een opslag in de cloud, uiteraard in eigen beheer, kunnen gebruiken voor innovatieve webservices. Door deze aanpak hebben we inmiddels in korte tijd een bereik behaald van meer dan 30.000.000 patiënten en hopelijk binnenkort meer dan 100.000.000 patiënten.”

“Als innovaties zijn gerealiseerd, is het de kunst om ze te integreren in de workflow van de zorgprofessionals. In de VS worden onze modellen bijvoorbeeld gebruikt in PACS-systemen voor radiologie. Met behulp van bepaalde algoritmes en AI (uiteraard onder menselijke supervisie) kunnen zo razendsnel radiologiebeelden worden geïnterpreteerd en vertaald naar diagnostiek. Het mooie daarvan is dat deze toepassing niet enkel voor de VS toepasbaar is, maar dat het wereldwijd kan worden gebruikt. Dit is dus onze werkwijze in praktijk. We verzamelen wereldwijd gegevens, werken die wereldwijd uit tot modellen die vervolgens universeel toepasbaar en toegankelijk zijn. Hierbij is het belangrijk om te vermelden dat we met onze toepassingen niet de medisch specialist vervangen, maar diens mogelijkheden vergroten door bijvoorbeeld het vele wiskundige rekenwerk uit handen te nemen. Daardoor kan de medisch specialist deze gewonnen tijd aan de patiënt besteden.”

Hoe kan het dat in Nederlandse ziekenhuizen voorbeelden van bovenstaandetoepassingen ruim vijftien jaar geleden al klinisch zijn ontwikkeld en dat dit nog niet geleid heeft tot medisch gevalideerde producten in de klinische praktijk?   

“Bij elke vernieuwende toepassing die je wil invoeren, heb je te maken met (combinaties van) verschillende technologieën, waarbij dus ook verschillende regelgeving een bepalende of beperkende rol kan spelen. Dat kan bovendien verschillen per land en cultuur. In de VS is bijvoorbeeld bepaald dat elk algoritme (AI) een ‘apparaat’ is omdat onze toezichthouder FDA aangeeft dat het niet gaat om een medicijn. Dat betekent dat elke AI-toepassing een goedkeuringsproces moet doorlopen, wat neerkomt op een kostenpost van één tot twee miljoen dollar per algoritme. En soms volgen er ook nog gerandomiseerde klinische onderzoeken en strenge marktonderzoeken die de boel vertragen. Samengevat is toepassing van innovaties dus afhankelijk van veel (vertragende) regelgeving.”

“Mayo Clinic heeft inmiddels 180 gevalideerde modellen geleverd, waarvan er nog maar 18 daadwerkelijk kunnen worden toegepast doordat de regelgeving zo vertragend werkt. Maar zoals ik al eerder zei, speelt ook de culturele component een rol. In bepaalde landen is het zo dat, zelfs al heeft een innovatie het hele goedkeuringsproces positief doorlopen, er discussie of twijfel is onder artsen en patiënten over de toepassing van AI. Bijvoorbeeld patiënten die zich afvragen of ze zich wel veilig voelen bij de situatie omdat ze bang zijn dat AI de rol van hun (menselijke) arts overneemt.”

"Eigen databezitterigheid belemmert deelname aan wereldwijd ecosysteem"

“Tijdens Covid kwamen mensen voor het eerst in aanraking met medische zorg op afstand en medische zorg in een niet traditionele omgeving (netwerk) en dat heeft langzaam wel een kentering teweeg gebracht ten aanzien van de toepassing van AI. Ik denk dat mede door Covid in 2024 de kloof tussen AI-toepassingen en de (culturele) weerstand meer gedicht zal worden.”

In een eerder interview stelde u dat de bereidheid en flexibiliteit om te innoveren in de zorg nogal wat te wensen overliet. Wat is daar de oorzaak van?

“In Silicon Valley is een gevleugelde uitspraak ‘Let’s move fast and break things’, maar in de gezondheidszorg werkt dat niet zo. Mayo Clinic kiest voor een andere benadering: ‘Start small, think big and then move fast’. Een voorbeeld: we besloten gespecialiseerde, hoog complexe zorg bij patiënten thuis te gaan leveren met behulp van AI, innovatieve monitoring en specifiek geschoold personeel. We onderwierpen deze nieuwe behandeling aan een strenge veiligheids- en kwaliteitscontrole en onderzochten de patiënttevredenheid. Dit leverde informatie op om de werkwijze nog meer te perfectioneren en zo konden we het aantal patiënten uitbreiden van één naar tien, toen van tien naar honderd enzovoorts.”

“We zitten inmiddels aan 25.000 patiënten die thuis worden behandeld en hebben geleerd dat qua behandelresultaat, veiligheid en kwaliteit hetzelfde resultaat wordt behaald als via klinische behandeling. Bovendien is de patiënttevredenheid substantieel toegenomen! Er is veel minder sprake van infecties met resistente ziekenhuisbacteriën, immers, hoeveel mensen hebben dat soort bacteriën thuis in hun keukenkastjes? Ook zijn er veel minder valincidenten. Hoe vaak hoor je dat mensen thuis uit hun eigen bed vallen nietwaar? Daarnaast is er minder sprake van depressieve klachten bij patiënten, juist omdat ze in hun eigen huis kunnen blijven, omringd door hun familie en hun huisdier. Doordat deze manier van behandelen zoveel bewezen voordelen oplevert, zijn er inmiddels negentien gezondheidszorgorganisaties overgestapt naar deze manier van werken.”

Wat is wat u betreft op dit moment de grootste bottleneck in de gezondheidszorg en hoe zou AI hiervoor een oplossing kunnen zijn?

“Wanneer ik in mei op jullie congres spreek, zal ik ongetwijfeld ook veel clinici spreken. Als ik dan de vraag stel ‘wil je met AI werken?’, dan verwacht ik als antwoord ‘nee’, want zij zijn bezig met vragen als ‘hoe kan ik in godsnaam vandaag al mijn patiënten zien’ en ‘wanneer zie ik eindelijk mijn familie weer’ en ‘wanneer krijg ik de kans om mijn opgedane kennis en vaardigheden in te zetten voor mijn patiënt, in plaats van uren achter mijn laptop te moeten zitten typen?’ Clinici zitten vooral te wachten op oplossingen voor dat soort (organisatorische) problemen; niemand zit te wachten op nieuwe technologieën omdat het zulke ‘coole’ technologieën zijn.”

“Een vooraanstaand radiotherapeut-oncoloog vertelde me dat sinds hij en zijn collega’s met onze algoritmes zijn gaan werken, ze eindelijk weer ’s avonds aan tafel kunnen zitten om met hun familie te eten. Zij meten het succes van een innovatie af aan het feit dat ze ’s avonds voor negen uur naar huis kunnen vertrekken. Innovaties kunnen dus pas op grote schaal succes hebben als ze daadwerkelijk problemen oplossen waar de clinici dagelijks mee worstelen. En precies dat is onze uitdaging: vraag en oplossing in lijn brengen met elkaar.”

Hoe maakt het Mayo Clinic Platform gebruik van data en technologieën om de behandelplannen van patiënten meer te kunnen personaliseren?

“Ik zal je een voorbeeld geven. Ik ben al ruim vijfentwintig jaar veganist en ik heb mijn persoonlijke gegevens laten beschrijven en opnemen in het Persoonlijke Genoomproject, te vinden via www.personalgenomes.org. Dit project bevat dus een enorme hoeveelheid aan waardevolle informatie over wie ik ben, wat ik eet, waar ik leef, etc. Met een dergelijke rijkdom aan informatie zou het mogelijk moeten zijn om een behandelplan samen te stellen dat specifiek is voor mij en mijn (gezondheids-)situatie. Helaas zijn tot nog toe de sociale gezondheidsdeterminanten niet meegenomen in deze datasets.”

“Wat Mayo nu doet bij de ontwikkeling van nieuwe algoritmes, is alle medische informatie die de afgelopen 150 jaar is verzameld, inclusief gestructureerd en ongestructureerd beeldmateriaal, telemetrie, digitale pathologie en ongeveer één miljoen genomen, combineren met een door ons ontworpen ‘huizen-index’. Daarin kunnen we de lengtegraad en breedtegraad van elke persoon invoeren, waaraan een aantal sociale gezondheidsdeterminanten gekoppeld zijn, zoals de dichtstbijzijnde groentewinkel, de dichtstbijzijnde eerstelijnsvoorziening, het gemiddelde opleidingsniveau en het criminaliteitslevel in de woonomgeving, maar ook de nabijheid van vervuilende industrieën en de mate van milieuvervuiling. Met al deze gegevens kun je algoritmen ontwikkelen waarmee je een optimale personalisatie verwezenlijkt.”

“In mijn geval betekent dat bijvoorbeeld dat ik naar aanleiding van mijn leefwijze weinig risico loop op een hartinfarct of beroerte. Ik hoef dus niet, zoals de algemene richtlijn voorschrijft, elk jaar mijn cholesterolwaarden te laten bepalen. Mijn genoom laat echter wel zien dat ik een hoger (dan gemiddeld) risico loop op prostaatkanker. Voor mij zou het daarom juist heel raadzaam zijn om elk jaar mijn PSA-waarden te laten testen om op tijd te kunnen constateren of het fout gaat. Het scheelt de gezondheidszorg dus tonnen met geld als mensen alleen de onderzoeken krijgen die voor hen van toepassing zijn op basis van hun persoonlijke dataset, en dit is óók een drijfveer voor onze innovaties.”

Op welke manier houdt het Mayo Clinic Platform zich bezig met het bestrijden van ongelijkheid in de gezondheidszorg?

“Wij evalueren een verscheidenheid aan algoritmen. Van daaruit maken we een rapport dat 200 subgroepen stratificeert naar ras, etniciteit, gender, leeftijd, opleidingsniveau, inkomen, etc. om te kunnen bepalen hoe het algoritme werkt. Naar aanleiding van een recente evaluatie van een commercieel product ontdekten we dat het product prima werkte voor mensen die zichzelf classificeerden als Kaukasisch, maar heel slecht voor mensen die zichzelf classificeerden als Spaans. De maker van de algoritmen had geen idee dat zijn algoritmen zo bevooroordeeld waren. Wat we hier voor de korte termijn aan hebben gedaan, is een waarschuwing plaatsen bij de algoritmen, dat deze is toegespitst op mensen met een Kaukasische achtergrond. Voor de lange termijn gaan we ermee aan de slag om te zorgen dat de algoritmen geschikt zijn voor lokale populaties. Het is dus belangrijk dat je begrijpt welke data je gebruikt voor je algoritmen en wat deze inhouden, en dat dit een dynamisch proces is van voortdurend bijstellen.” 

"Waarborg bij elke innovatie het vertrouwen van de patiënt"

“In vroegere tijden werd veel (medisch) onderzoek verricht onder met name blanke mannen en werden de resultaten en conclusies vervolgens gebruikt voor alle mensen, ongeacht ras, huidskleur, geslacht, etc., waardoor er veel mis kon gaan. In de ontwikkeling van AI moeten we te allen tijde voorkomen dat we uitgaan van dergelijke bevooroordeelde input, en daarom is het zo belangrijk dat we uitgaan van uitgebreide klinische gegevens, verkregen uit mondiale datasets.”

Het Mayo Clinic Platform vormt met verschillende partners over de hele wereld een mondiaal datanetwerk. Hoe komt u in contact met deze partners en wat wilt u bereiken met deze verbinding?

“Het uiteindelijke doel is het leveren van producten en oplossingen die eerlijk, valide, rechtvaardig en veilig zijn. En de enige manier om dat te bereiken, is via de klinische ervaring van patiënten over de hele wereld. Daarbij hebben we te maken met de verschillende manieren waarop landen omgaan met privacy en veiligheid ten aanzien van patiëntendata. Soms is dat erg terughoudend en conservatief en dat maakt innovatie lastig. Zo gaf de minister van gezondheidszorg van Duitsland aan dat Duitsers alleen innovaties willen zonder risico, maar in mijn optiek is dat een onmogelijkheid. Ik heb toen aangegeven dat het Mayo Clinic Platform een manier heeft gevonden om innovatie mogelijk te maken met de kleinst mogelijke risico’s, die voldoet aan de regelgeving op het gebied van datasoevereiniteit en privacy. We willen namelijk niet alle gegevens weghalen bij een land, maar we willen dat elk land alle gegevens in het eigen land opslaat op een manier die het mogelijk maakt dat innovators bij die gegevens kunnen om hun werk te doen. Wij zullen vervolgens de tools leveren om die gegevens op een veilige manier te kunnen gebruiken. Wat we in feite willen, is het voor andere landen mogelijk maken om op een veilige en accurate manier een verscheidenheid aan data te verzamelen zoals we dat bij Mayo hebben gedaan, met het doel een wereldwijd kennisnetwerk te realiseren.”

Hoe gaat u om met alle verschillen die er bestaan tussen de veelheid aan landen die u wilt meenemen in uw netwerk?

“Wat ik geleerd heb in de veertig jaar dat ik werkzaam ben, is dat het geen zin heeft om te werken aan één grote mondiale centrale dataopslag die zich bevindt op één locatie en die wordt beheerd door één organisatie. In plaats daarvan ga ik naar de verschillende landen toe met het voorstel dat ik hierboven beschreef: databeheer in eigen land en eigen hand, dat voldoet aan nationale wet- en regelgeving, waarbij innovators de mogelijkheid krijgen de data te gebruiken voor het creëren van nieuwe producten en diensten zonder deze data te exporteren.”

“Toestemming van de patiënt om diens data te gebruiken, is dus een voorwaarde voor het slagen van een mondiaal datanetwerk. Daarbij hoeven de verschillen in cultuur of wetgeving geen struikelblok te zijn, omdat je simpelweg met inachtneming van de regels die gelden per land en de patiënt zelf, kunt laten bepalen welke data wel en welke niet gebruikt mogen worden. Gebleken is dat land na land warm loopt voor deze benadering, omdat iedereen tegen dezelfde problemen aanloopt van schaarste aan mensen en middelen en iedereen het belang ziet van de inzet van AI om deze problemen te tackelen. Artsen en verpleegkundigen die AI omarmen, zullen in de toekomst beter in staat zijn hun werk goed te doen dan degenen die AI afzweren.”

Hoe zorgt u ervoor dat het Mayo Clinic Platform functioneert als een ecosysteem?

“Het Mayo Clinic Platform is eigenlijk een hele bijzondere organisatie, want ze is er niet op gericht om zichzelf te verbeteren, maar om de gezondheidszorg wereldwijd te verbeteren. Onze focus is dus ook vooral extern gericht, op de zaken die we moeten organiseren om ervoor te zorgen dat we wereldwijd goed kunnen samenwerken.”

“Met onze collega’s van Albert Einstein Israelite Hospital werken we bijvoorbeeld volgens het principe van wederkerigheid van toegang tot data. Wij delen honderd procent van onze gede-identificeerde data met hen en andersom zij met ons, als gelijkwaardige collega’s. Een organisatie werkt als een ecosysteem als er sprake is van gelijkheid binnen het netwerk, iedereen evenredig profiteert van de samenwerking en men het gezamenlijk bestuurt. Elke organisatie die zich conformeert aan de regels van dit ecosysteem mag zich erbij aansluiten.”

Dit klinkt allemaal heel constructief en logisch, maar in Europa werkt het nog niet zo soepel qua samenwerking. Heeft u enig idee waarom dat is?

“In het pre-COVID tijdperk was elke gezondheidszorginstelling nog uitermate beschermend en bezitterig ten aanzien van de eigen data. Maar met het uitbreken van de COVID-pandemie werd ineens het belang van samenwerking maar al te duidelijk. Om te overleven, was het noodzakelijk om de onderlinge concurrentie te laten varen en samen te werken aan het gemeenschappelijke doel dat was ontstaan. Daarmee heeft COVID voor een belangrijk deel de weerzin gebroken om samen te werken.”

Toch merken we hier een geleidelijke terugval naar de manier van werken van voor de COVID-periode. Hoe kunnen we die terugval tegengaan?

“Ik denk dat het de kunst is om een soort ‘fomo’ (fear of missing out) te creëren, waarbij een aantal toonaangevende innovatieve klinieken samenwerken aan AI en laten zien hoe ze kunnen zorgen voor een lastenvermindering en een afname van uitval door burn-out. En dat op een manier die er ook nog eens voor zorgt dat er financieel meer stabiliteit ontstaat. Op die manier zullen de niet participerende organisaties meer en meer gemotiveerd worden om aan te haken, omdat ze bang zijn anders de boot te missen. Als ik in mei jullie land bezoek, zal ik heel erg mijn best gaan doen om die ‘fomo’ te creëren!”

Nederland kent zo haar eigen pluspunten wat betreft gezondheidsinnovaties, zijn er specifieke zaken waarover u meer zou willen horen als u ons in mei bezoekt?

“Zeker wel! Ik reis al tientallen jaren naar Noord-Europa en mijn ervaring is dat jullie erg ver zijn op het gebied van welzijn en het vergaren van data vanaf de geboorte tot de dood. Dat er dus gekeken wordt naar meer dan alleen één episode van ziekte in iemands leven. Ik ben erg geïnteresseerd in alle gegevens die dat oplevert, omdat je er zo bijvoorbeeld achter kunt komen waarom iemand die op vierjarige leeftijd een bepaald medicijn moest gebruiken, op veertigjarige leeftijd kanker kreeg. Ik zou graag weten van jullie hoe jullie je gegevens verzamelen en hoe jullie die gegevens vervolgens gebruiken om gepaste zorg te verlenen. Maar ook ben ik benieuwd naar wat de patiënten zelf doen met alle beschikbare gegevens. De VS hebben de laatste twee decennia veel energie gestoken in het voor honderd procent beschikbaar maken van gezondheidsdata voor patiënten. Ik ben benieuwd naar hoe die interactie tussen provider en patiënt heeft bijgedragen aan de innovatieve technologieën in Nederland.”

Tot slot nog een paar vragen over de mens achter de manager. Om te beginnen: wat drijft u in het leven en hoe werkt dat door in uw stijl en ambities als bestuurder?

“Ik heb wellicht een beetje een bijzondere achtergrond. In de jaren zestig woonde ik in Californië. Sillicon Valley bestond pas vanaf 1972 en de innovators bevonden zich in de jaren zestig in het zuiden van Californië. Als klein jongetje ging ik op mijn fietsje naar de afvalcontainers van de defensie-industrieën daar, pikte er elektronica en handleidingen uit, en leerde mezelf van alles over analoge digitale logica en microprocessoren. Tegen de tijd dat ik een tiener was, kwam ik tot de conclusie dat ik mijn leven wilde wijden aan hoe ik technologie kon ontwikkelen die erop gericht was het leven van mensen te verbeteren, en dan specifiek in de context van de non-profit gezondheidszorg.”

“Mijn leven is dus één lange reis van het werken aan zowel technologie als gezondheidszorg, altijd in het belang van de patiënt en altijd in non-profitorganisaties. Veel mensen die met mij hebben gewerkt, omschrijven mij als ‘Genève’. Ik weet dat dat nogal vreemd klinkt, maar wat het inhoudt is dat ik geen bedrijf of eigenbelang vertegenwoordig, maar een set van ideeën en principes die samenwerking tot doel hebben. En voor precies dát doel van wereldwijde samenwerking in het belang van de patiënt, kom ik graag elke morgen mijn bed uit!”

Welk advies zou u willen geven aan de jonge professionals binnen de gezondheidstechnologie?

“Toen ik geneeskunde studeerde en dit wilde gaan combineren met techniek, vond iedereen dat maar vreemd. Mensen bleven maar zeggen dat dat nergens toe zou gaan leiden, omdat het totaal niet gebruikelijk was destijds. Mijn advies aan jonge professionals is dan ook: ga aan de slag in de marges van verschillende specialismen als je daarin gelooft. Verbind techniek met gezondheidszorg, met beleid, etc. Want op die manier ontstaat innovatie. En het belangrijkste advies is misschien nog wel: negeer mensen die je vertellen dat wat je doet ‘buiten de norm’ valt en dat je het daarom niet zou moeten doen!”

Heeft u nog een boodschap of tip voor uw collega-decisionmakers in de zorg?

“Zeker wel! We zijn samen bezig aan een lange reis die moet leiden naar optimale zorg voor de patiënt. Bedenk je waar we nu staan: aan de wieg van generatieve AI die onze lasten verlicht en de toegang tot kennis en informatie mogelijk maakt en vergemakkelijkt. Vergeleken met de situatie van veertig jaar geleden heeft er een enorme revolutie plaatsgevonden. Dus als je op dit moment bezig bent met beleid en met plannen op landelijke schaal, houd dan een tijdlijn in gedachten met stappen die moeten leiden naar de toekomst die je voor ogen hebt. Als ik zie welke enorme vooruitgang er is geboekt tijdens mijn leven, van handgeschreven aantekeningen tot de AI die er nu is…" 

"Dus denk groot en denk ‘lange termijn’!”

Wat is uw droom?

“Ik reis over de hele wereld en kom in ontwikkelde, rijke delen en in armere delen en ik zie enorme, extreme verschillen in gezondheidszorg voorbijkomen. Sommige mensen hebben meteen toegang tot alle mogelijke zorg die ze nodig hebben en anderen hebben helemaal niets. Ik wil eraan werken dat we zorg toegankelijk en beschikbaar maken voor iedereen, wereldwijd, door onze expertise in modellen beschikbaar te maken, bijvoorbeeld via telefoon of andere lokale informatiedragers.”

Wat wilt u onze medische professionals tot slot nog meegeven?

“Belangrijk is om bij elke innovatie de privacy van de patiënt te waarborgen, evenals de veiligheid van de gegevens, omdat we ons niet kunnen veroorloven dat we het vertrouwen van de patiënt verliezen. Want het vertrouwen van de patiënt is cruciaal!”

“Daarnaast is het cruciaal om de waarde en het belang van een bepaalde innovatie duidelijk te maken, zodat je, naast de koplopersgroep waarbij aanpassing gemakkelijk is, ook de rest van de professionals warm krijgt voor toepassing van innovatieve technologieën. Ik heb er vertrouwen in dat dat lukt, omdat uiteindelijk alle medische professionals het doel hebben goed werk te leveren voor de patiënt, op een manier die voor hun het best werkt, dus het meest efficiënt en effectief. Dat betekent dat ze de juiste patiënt kunnen zien op het juiste moment en in de meest optimale setting. Als het ons lukt om aan te tonen dat we dat met onze modellen en AI kunnen realiseren, dan staat de deur naar innovatie zonder twijfel wijd open!”