Geoffrey Everest Hinton baseerde zijn idee over de toekomst van radiologie niet op hete lucht. Hij is een cognitief psycholoog en een computerwetenschapper die bekend staat om zijn werk aan kunstmatige neurale netwerken; hij werkt bij Google en aan de Universiteit van Toronto. Deze gerenommeerde wetenschapper hield echter geen rekening met drie factoren: het complexe ecosysteem van de gezondheidszorg, de onbalans tussen vraag en aanbod van gezondheidsdiensten en de kenmerken van het werk van artsen.
Het Amerikaanse Bureau of Labor Statistics voorspelt dat het aantal radiologie- en MRI-technici in 2019-2029 met 7 procent zal groeien. Volgens het rapport van het American College of Radiology gebruikt tegenwoordig een derde van de radiologen AI-algoritmen op het werk. De FDA heeft al 80 radiologische algoritmen goedgekeurd - ongeveer de helft daarvan wordt in de praktijk gebruikt.
Hinton was niet van mening dat de vraag naar radiologen groeit, veroorzaakt door de toename van screeningprogramma's en vergrijzende samenlevingen. Volgens de laatste gegevens schat de NHS dat het tekort aan radiologen ongeveer 30 procent bedraagt, wat zich vertaalt in een tekort van ongeveer 1.800 werknemers. Ondanks deze statistieken is de stelling van Hinton niet per se fout. Als AI in hetzelfde tempo blijft verbeteren als nu, zal de precisie van machines de vaardigheden van mensen bij het beoordelen van medische beelden overtreffen. Deze optie ligt nog steeds op tafel, net als bij andere scenario's.
SCENARIO 1
Wederzijds effect. Uit angst voor AI zal radiologie minder populair worden en zal de kloof tussen vraag en aanbod van radiologen groter worden.
In ontwikkelde landen groeit het aantal radiologen, maar hun beschikbaarheid op de arbeidsmarkt is ernstig beperkt, net als de algemene beschikbaarheid van artsen. Historisch gezien was medische beeldvorming een van de gevaarlijkste banen vanwege blootstelling aan röntgenstralen. Ondanks de technologische vooruitgang werken radiologen nog dagelijks met ioniserende, infrarode, ultraviolette (UV) en elektromagnetische straling. Bovendien scoort dit beroep relatief laag in populariteitsstatistieken.
Momenteel kiezen studenten veel meer voor specialisaties zoals huisartsgeneeskunde, psychiatrie, neurologie, kindergeneeskunde of cardiologie. Studenten plannen hun loopbaan zorgvuldig, rekening houdend met de vooruitzichten op een baan. Nieuws dat radiologie het vakgebied van de geneeskunde is waarin AI-algoritmen het snelst populair zullen worden, kan een belangrijk argument zijn voor studenten.
Eind 2020 publiceerde het British Institute of Radiology het onderzoek Kunstmatige intelligentie in radiologie: heeft het invloed op de voorkeur van medische studenten voor radiologie als hun toekomstige carrière? De bevindingen verrasten de onderzoekers.
Van de 476 respondenten beschouwden slechts 34 mensen radiologie als hun eerste specialisatie, 26 mensen beschouwden het als hun tweede keuze en voor 65 mensen was het hun derde keuze. Bovendien was 31 procent van de respondenten het ermee eens dat AI radiologen tijdens hun leven zou vervangen, terwijl 44,8 procent het ermee eens was dat AI in de toekomst het aantal radiologen dat nodig is, zou verminderen. Zelfs als het gaat om de respondenten voor wie radiologie de eerste keuze was, maakte 58,8 procent zich zorgen over de onzekere impact van AI op de radiologie. De angst dat AI in de toekomst radiologen zou kunnen vervangen, had een negatieve invloed op radiologie als een toekomstig carrièrepad dat door medische studenten wordt overwogen.
SCENARIO 2
Versnellingseffect. Radiologie wordt een van de vakgebieden met de snelste technologische vooruitgang, wat een stimulans is voor een nieuwe generatie artsen.
Dit proefschrift is opgesteld door een radioloog die een vriend van mij is. Als jonge arts die de arbeidsmarkt betreedt en geïnteresseerd is in technologische innovaties, verwacht hij moderne arbeidsomstandigheden en wil hij digitale gezondheidstools gebruiken in zijn dagelijkse praktijk. En geen enkel ander vakgebied kan zulke perspectieven bieden, bijvoorbeeld besturingssystemen op basis van AI. Radiologie staat op de eerste plaats in de statistieken van medische algoritmen die zijn goedgekeurd door de FDA. Ver achterop, op de tweede plaats, staat cardiologie. Zal dit argument van groeiend belang zijn voor een generatie artsen die in het digitale tijdperk zijn opgegroeid?
SCENARIO 3
Adoptie-effect. Naarmate de populariteit van algoritmen in de radiologie blijft groeien, zullen de competenties van radiologen en de kwaliteit van hun werk verbeteren.
Dit is de meest populaire opvatting en tegelijkertijd een niet-controversieel compromis tussen beide kanten van digitale transformatie in de gezondheidszorg: de wereld van technologie en geneeskunde. Het is ook een model dat al goed werkt. PACS-systemen met elementen van AI identificeren bijvoorbeeld automatisch zorgwekkende laesies en preselecteren en evalueren vooraf beelden. Voor een radioloog is het een extra paar ogen die ervoor zorgt dat er geen detail over het hoofd wordt gezien.
Tijdens de eerste maanden van de COVID-19-pandemie konden snel ontwikkelde algoritmen coronaviruspatiënten selecteren op basis van een patroon van longlaesies, wat de diagnose in de overbelaste zorginstellingen aanzienlijk versnelde. Wanneer AI nauwkeuriger wordt dan radiologen, zullen radiologen hiervan profiteren: ze hoeven niet langer administratief en repetitief handmatig werk te doen, dat bestaat uit het pixel voor pixel analyseren van afbeeldingen. AI zal de nauwkeurigheid van diagnose en patiëntveiligheid verbeteren.
SCENARIO 4
Ontkenningseffect. De groeiende aanwezigheid van AI op het werk betekent niet dat het aangepast is. Artsen vertrouwen de beslissingen van algoritmen niet en negeren hun mening.
Radioloog worden, kan doorgaans tot 13 jaar duren. En een AI-systeem zou beter moeten zijn dan artsen, dus de weerstand tegen het accepteren van AI is begrijpelijk. Hoewel kan worden aangenomen dat veel vooroordelen zullen verzwakken naarmate digitaal geletterde artsen de arbeidsmarkt betreden en de digitale transformatie vordert, is het scenario van geharmoniseerde mens-machine-samenwerking nog steeds te optimistisch.
Nieuwe uitdagingen liggen al in het verschiet. Artsen zullen nauwer moeten samenwerken met IT-systemen en er zullen nieuwe problemen opduiken, zoals AI-ethiek, taakverdeling en aansprakelijkheid voor medische fouten. Afgezien daarvan gaat de digitalisering zo snel dat artsen tijdens een intensieve werkdag geen tijd hebben om nieuwe functies te leren kennen - zelfs als ze de workflows verbeteren en het werk gemakkelijker maken. Als gevolg hiervan hebben we een groeiende kloof tussen technologische mogelijkheden en het vermogen om ze aan te passen.
Dit artikel verscheen eerder op ICT&health International.
Lees ook dit nieuwsbericht en achtergrondartikel uit ICT&health 4 over de waarde van AI voor diagnostiek.
