AI in de zorg: tussen enthousiasme en realisme

Op dit moment is het enthousiasme rondom kunstmatige intelligentie (AI) in de zorg groot. We zien kansen, mogelijkheden en de potentie om processen te stroomlijnen, de werkdruk te verminderen en uiteindelijk de zorgkwaliteit te verbeteren. Tegelijkertijd schuilen er risico’s in dit enthousiasme, vooral wanneer het gepaard gaat met hoge verwachtingen om AI snel op grote schaal toe te passen. In de zorg kunnen we ons niet laten meeslepen en overhaast implementaties doorvoeren, zonder voldoende validatie en zorgvuldigheid. ‘Move fast and break things’ werkt in allerlei contexten, maar niet als je met patiënten werkt. Veranderingen moeten weloverwogen en vaak stapsgewijs doorgevoerd worden. Daarvoor is tijd nodig. En realisme. We lichten dat toe voor administratieve toepassingen van AI in de zorg, het laaghangend fruit. Vervolgens richten we ons op first-of-a-kind klinische toepassingen van AI in de zorg: de echt nieuwe toepassingen in nieuwe contexten.

De administratieve toepassingen van AI in de zorg zijn het gemakkelijkst te realiseren. Onze minister van VWS richt zich hier dan ook vooral op en niet zonder reden. Administratieve processen gaan ten koste van de arbeidsinzet van zorgprofessionals in directe zorgactiviteiten bij patiënten. 

Het mooie van AI in deze context is dat de implementatie relatief eenvoudig is. Waarom? Ten eerste hoeven deze toepassingen niet te voldoen aan de Medical Device Regulation (MDR), omdat ze geen directe invloed hebben op de medische besluitvorming of patiëntveiligheid. Ten tweede kunnen zorginstellingen veelal zelf bepalen of en hoe ze AI voor administratieve processen inzetten, zonder eerst door een langdurig goedkeuringsproces bij systeempartijen te hoeven gaan.

Realistische verwachtingen

Toch moeten we ook hier waken voor al te hooggespannen verwachtingen. Wij voorzien namelijk enkele belangrijke effecten als AI succesvol administratieve taken overneemt. 

Ten eerste zal er nog een flinke periode een zekere mate van administratieve last blijven bestaan, al is het maar voor het inrichten en controleren van de systemen. Ongebruikelijke of ingewikkelde administratie zal het langst door mensen uitgevoerd moeten worden: de lange formulieren die een zorgverlener maar enkele malen per jaar tegenkomt. Dit type administratie vraagt veel denkkracht en uitzoekwerk, is moeilijk uit te besteden, geeft ergernis en kost veel tijd.

Ten tweede zal er nieuwe administratie bijkomen, zoals het controleren van de uitkomsten van AI-systemen, het regelmatig hertrainen en valideren van de algoritmen en het corrigeren van foutieve AI-voorspellingen. Zorgverleners zullen bovendien soms besluiten om adviezen van AI-systemen niet op te volgen, wat eveneens tot administratieve handelingen leidt.

Verder verdwijnt hopelijk administratie die zorgverleners nu in hun eigen tijd uitvoeren, wat hun werkdruk verlicht. Dat is positief, maar levert niet per se meer directe zorgtijd op. We hopen te zien dat ook administratieve taken die wel tijdens werktijd worden uitgevoerd, verdwijnen. Hierdoor ontstaat er ruimte voor meer mensgerichte zorg, wat uiteindelijk het doel is.

Het is nu zaak om de energie en het enthousiasme voor administratieve AI-toepassingen te behouden en te versterken. Samenwerking kan helpen, bijvoorbeeld om de ethische, juridische en organisatorische vraagstukken op het gebied van AI op te lossen. Daarmee kunnen versnellers geboden worden voor innovatie, implementatie en opschaling. Een voorbeeld is Digizo¹, waar de IZA-partijen het initiatief hebben genomen om toetsing, waardebepaling en opschaling van hybride en digitale zorg te versnellen.

First-of-a-kind zorg-AI

Wij verwachten dat de ontwikkeling van werkelijk nieuwe toepassingen van AI in de zorg heel anders zal verlopen. Om dat toe te lichten, richten we ons eerst op de radiologie. In dat vakgebied heeft AI inmiddels stevig voet aan de grond gekregen, juist als het gaat om first-of-a-kind toepassingen specifiek voor het vakgebied. Hoe is dat zo gekomen?

Laten we een stap terug nemen in de tijd. De eerste toepassingen van computers in de radiologie begonnen in de jaren ‘80², waarna in de jaren ‘90 de experimenten met Computer Assisted Diagnose (CAD) volgden. Deze technologie, een voorloper van AI, werd al in 1992 ingezet om microcalcificaties te detecteren bij mammografieën. Vanaf ongeveer 2015 zagen we de opkomst van AI-technologie zoals we die vandaag de dag kennen, met serieuze en doeltreffende toepassingen binnen de radiologie.

In de afgelopen vijf jaar zijn er meer dan 17.000 wetenschappelijke publicaties verschenen over de toepassing van AI in de radiologie. De lijst van door de FDA goedgekeurde AI-toepassingen³ bestaat voor driekwart uit radiologische toepassingen: op 4-10-2024 ging het om 723 van de 951 items. 

Het succes van AI in de radiologie ontstond echter niet snel of gemakkelijk. Dat is het resultaat van 40 jaar onderzoek naar automatisering in dit werkveld, nog voordat AI praktisch toepasbaar werd. Mede daardoor staat in dit vakgebied het gestructureerd verzamelen van klinische data op een hoog niveau. Met al die gestructureerde data bestond er de laatste 20 jaar een goede basis om te experimenteren met AI. De experimenten konden wetenschappelijk gevalideerd worden. En na validatie was opschaling mogelijk. 

Tijd als kritieke succesfactor

Wij zijn van mening dat deze tijdlijn een vuistregel kan blijven voor AI in de zorg. Natuurlijk zijn we bekend met de voorbeelden van exponentiële verkorting van de ‘go-to-market’ tijd voor digitale innovaties⁴. Dit betreft vooral consumentenproducten. Wij verwachten niet dat de exponentiële tijdsverkorting zal optreden bij echt nieuwe, ‘first-of-a-kind’ AI-innovaties in de zorg. 

Waarom niet? Het antwoord ligt in de aard van het zorgsysteem zelf. Er is terecht een nadrukkelijke focus of veiligheid, werkzaamheid en betaalbaarheid van innovaties. De zorg kent een structuur met zorgprofessionals, patiëntenorganisaties, wetenschappelijke instituten, NZa, ZiN, IGJ, zorgverzekeraars en het ministerie van VWS, die ervoor zorgen dat zorg kwalitatief goed geleverd wordt en toegankelijk en betaalbaar blijft. 

Dat exponentiële versnelling vooral opgaat voor op consumenten-georiënteerde technologieën, komt onder meer doordat consumenten in grote getalen direct te bereiken zijn. De technologieën bouwen voort op eerdere disruptieve innovaties zoals het internet en smartphones, waardoor een zichzelf versterkend effect optreedt. Dergelijke omstandigheden zijn in de zorg niet van toepassing, wat een andere dynamiek creëert en een meer gestage en gecontroleerde adoptie van AI vereist.

De zorgsector is juist gebonden aan veel strengere regels rondom productontwikkeling, validatie, implementatie en post-market surveillance. Denk hierbij aan de strikte eisen van de Medical Device Regulation (MDR), die vereist dat AI-systemen in medische toepassingen aan uitgebreide validatie- en veiligheidsnormen voldoen. Dit proces is tijdrovender en complexer dan wat er geldt voor de meeste consumentenproducten. Start-ups die AI in de zorg ontwikkelen, ondervinden de MDR als een belemmering om AI succesvol op de markt te krijgen. Ook het Europees Parlement roept op om dit proces te versnellen⁵. 

Tijd en realisme als succesfactoren

De behoefte aan oplossingen voor betere zorg en vermindering van werkdruk bij zorgprofessionals is groot. Het is daarom begrijpelijk dat er veel enthousiasme is over de potentie van AI. Maar laten we ook realistisch blijven. We moeten ons erop voorbereiden dat het voor first-of-a-kind klinische AI-toepassingen in de zorg meer dan 10 jaar kan duren voordat de vruchten echt geplukt kunnen worden. Het is niet reëel om te streven naar exponentiële verkorting van de doorlooptijd van de start van het wetenschappelijk onderzoek tot marktgereed product. Dat leidt alleen maar tot frustratie en teleurstelling. 

We kunnen ons wél richten op realistische, incrementele versnelling van het ontwikkel- en go-to-market proces van AI-toepassingen, en van het opschalingsproces in de zorg. Systeempartijen en zorgaanbieders zullen moeten samenwerken om oplossingen te vinden voor de uitdagingen die in de zorg ervaren worden.  

De drempel ligt zoals al gezegd lager om AI voor administratieve taken toe te passen. Daarom is het goed dat we nu al veel investeren om opschaling van deze AI-oplossingen te realiseren. Naarmate we meer ervaring hebben met het gebruik van de administratieve AI-oplossingen zal meer vertrouwen ontstaan in het gebruik van AI. Daarop kunnen we voortbouwen als we AI verder in de zorgpraktijk neerzetten.