Ondanks de enorme vooruitgang in diagnostiek, genetica en medische apparatuur wordt bij 5-15% van de patiënten nog steeds een verkeerde diagnose gesteld. Om dit probleem op te lossen, moeten we intuïtieve beslissingen en ‘snel denken’ in de geneeskunde minimaliseren. Door ‘Systeem 1’ in besluitvorming met behulp van AI te minimaliseren kan het aantal medisch fouten verminderd worden.
Witte vlekken van medische vooruitgang
Als we niet beginnen met het gebruik van AI in de gezondheidszorg, zullen we niet in staat zijn om het aantal medische fouten te verminderen. Ook de stijgende uitgaven voor de gezondheidszorg kunnen dat niet veranderen, zo stelt Gaurav Singal en Anupam B. Jena van de Harvard Medical School in hun advies dat onlangs is gepubliceerd in de Los Angeles Times. De oproep om AI te implementeren in de gezondheidszorg volgt op een ander artikel van de Amerikaanse wetenschapper en auteur Eric Topol in The Science ('Toward the Eradication of Medical Diagnos-tic Errors').
De cijfers zijn alarmerend. In de VS is 15 tot 25 procent van de diagnoses onjuist; in Europa wordt dit percentage geschat op 5 tot 15 procent, maar de werkelijke aantallen zouden nog hoger kunnen liggen. Onjuiste diagnoses leiden tot fouten bij het voorschrijven van geneesmiddelen, vertraagde behandeling van patiënten, sterfgevallen, vermijdbare complicaties en kosten.
Uit een rapport van de National Academies of Sciences, Engineering and Medicine uit 2015 bleek dat 5 procent van de bevolking jaarlijks te maken krijgen met diagnostische fouten. Iedereen zal waarschijnlijk in zijn leven zo'n fout meemaken, vaak zonder het te weten.
Onderbuikgevoelens horen niet in de geneeskunde
Waar ligt het probleem? Het eerlijke antwoord ligt in diagnostische procedures en werkstromen die de afgelopen eeuw onveranderd zijn gebleven. Dankzij geavanceerde medische beeldvormingsmethoden, genetische tests en digitalisering hebben artsen toegang tot precieze gegevens over iemands gezondheidstoestand volgens de principes van een 360-graden patiëntbeeld, datagestuurde geneeskunde of geïntegreerde geneeskunde.
De beschikbaarheid van medische kennis is de afgelopen jaren gestaag verbeterd. Omdat gegevens worden verzameld in elektronische medische dossiers (EHR's), kunnen artsen de volledige medische geschiedenis van een patiënt met één klik openen, ongeacht waar ze werken en waar de patiënt eerder werd behandeld. Ondanks deze belangrijke vooruitgang is er één ding in honderden jaren niet veranderd: de manier waarop medische beslissingen worden genomen. Het slechte nieuws is dat ze handmatig worden genomen.
Volgens Gaurav Singal en Anupam B. Jena “is diagnose grotendeels een menselijke bezigheid gebleven, waarbij artsen vertrouwen op zogenaamde ziektescripts - clusters van tekenen, symptomen en diagnostische bevindingen die kenmerkend zijn voor een ziekte.”
Er is niets mis met het gebruik van intuïtie bij het diagnosticeren van wijdverspreide ziekten zoals griep of huiduitslag. Maar hoe complexer de ziekte is, hoe groter de kans dat je een fout maakt. Het menselijk brein heeft cognitieve beperkingen; toegang hebben tot meer gegevens betekent dus niet automatisch betere beslissingen. Artsen zijn ook vatbaar voor veel vooroordelen - waaronder confirmation bias, overconfidence bias, anchoring bias en availability heuristics - omdat ze vertrouwen op intuïtie in plaats van feiten. Dit maakt het gemakkelijk om informatie die cruciaal is voor een juiste diagnose over het hoofd te zien of te negeren, hoe volledig en toegankelijk de gegevens in het EPD ook zijn.
Het probleem ligt niet alleen bij onze cognitie, maar ook bij het gezondheidszorgsysteem zelf. Artsen kunnen niet alle gegevens analyseren omdat ze onder tijdsdruk werken door de groeiende vraag naar medische diensten en bestaande bedrijfsmodellen. De haast is de voornaamste bron van fouten, waardoor artsen vertrouwen op snel, intuïtief denken (Systeem 1, volgens psycholoog en Nobelprijswinnaar Daniel Kahneman) en analytisch denken op basis van gegevens en medische literatuur (Systeem 2) verwaarlozen.
“Met de korte duur van een bezoek aan een kliniek is het niet verwonderlijk dat er weinig tijd is om na te denken, omdat er wordt vertrouwd op Systeem 1-denken, dat automatisch, bijna onmiddellijk, reflexief en intuïtief is,” beweert Eric Topol.
AI schakelt Systeem 2 in en Systeem 1 uit
AI kan dit echter veranderen door de kloof te overbruggen tussen de hoeveelheid verzamelde gegevens en het daadwerkelijke gebruik ervan in het diagnoseproces. AI wordt niet moe, kan gigabytes aan informatie in een fractie van een seconde analyseren en is minder gevoelig voor factoren die leiden tot medische fouten. Het kan verborgen patronen in gegevens oppikken, pixels van verandering op medische beelden en kleine maar belangrijke gegevens in medische dossiers van enkele jaren geleden die het menselijk oog niet kan detecteren.
Tot nu toe bevestigen wetenschappelijke onderzoeken dat AI beroertes binnen enkele seconden na het onderzoek identificeert, veel sneller dan radiologen. Het kan het begin van sepsis bij in het ziekenhuis opgenomen patiënten voorspellen op basis van honderden vitale functies en medische voorgeschiedenis en een juiste diagnose stellen van longontsteking of nierschade. Multimodale AI analyseert gegevens zoals teksten en afbeeldingen in het EHR van een patiënt en helpt zo zeldzame ziekten te identificeren. De arts neemt de uiteindelijke beslissing, maar die is dan gebaseerd op feiten en niet alleen op Systeem 1.
De technologie moet nog verfijnd worden
Er is nog steeds een tekort aan gegevens van hoge kwaliteit om nauwkeurige algoritmen te trainen. Zonder deze gegevens kan AI bevooroordeeld zijn en fouten maken volgens het principe ‘garbage in, garbage out’ (slechte kwaliteit van gegevens in, slechte kwaliteit van diagnose uit). Een ander obstakel zijn de kosten - momenteel kunnen alleen grote universitaire centra het zich veroorloven om AI te implementeren. Machine learning algoritmen zijn nog steeds duur en in de meeste gevallen wordt het gebruik ervan niet vergoed door betalers. Bovendien worden veel medische instellingen ontmoedigd door ingewikkelde regelgeving met betrekking tot het gebruik van AI-algoritmen en het gebruik van gegevens om ze te trainen.
AI-ondersteunde diagnostiek wordt gezien als de grootste hoop in de strijd tegen medische fouten. Gebruikt als een bron voor second opinions en ondersteuning van artsen, zal het elke diagnose stellen op basis van objectieve gegevens. Voor artsen betekent dit meer zekerheid en op bewijs gebaseerde besluitvorming. Voor patiënten betekent het een veiligere gezondheidszorg.
Daniel Kahneman zei ooit dat hij nooit een arts zou vertrouwen die alleen op zijn intuïtie vertrouwt. Al miljoenen jaren zorgt de dominantie van Systeem 1 over Systeem 2 ervoor dat we als soort kunnen overleven. Het is beter om niet te lang na te denken als de ritselende bladeren een tijger suggereren die ons wil opeten. Maar geneeskunde is een op feiten gebaseerde wetenschap die een objectieve evaluatie van feiten en gegevens vereist, waar artsen helaas geen tijd voor hebben, maar AI gelukkig wel.
“We zijn er zeker nog niet. Maar in de komende jaren, als we de aspiratie en het potentieel vervullen om meer capabele en medisch toegewijde AI-modellen te bouwen, zal het steeds waarschijnlijker worden dat AI een onschatbare rol zal spelen bij het geven van second opinions,” concludeert Topol. Gaurav Singal en Anupam B. Jena zijn het hiermee eens: “Dit zou een bijzonder moment voor diagnose kunnen zijn als we genoeg investeren en het goed doen.”
