De zorgsector staat al vele jaren bekend als een grote energieverbruiker. Met de uitrol van steeds mee AI-tools en -technologie stijgt de energiebehoefte van de zorg nog verder. Daarom hebben onderzoekers nu gekeken naar de impact van AI in de zorg op het milieu. Hun advies? Zet AI op een verantwoorde manier in.
Dit is geen nieuwe discussie. We leven al vele jaren in een digitale, online wereld. Waar vroeger fabrieken stonden, staan nu vaak mega datacenters om alle servers en digitale diensten te hosten en bereikbaar te houden. Die datacenters gebruiken enorm veel elektriciteit. Voor het opwekken daarvan wordt weliswaar steeds meer gebruik gemaakt van hernieuwbare en duurzame bronnen, maar het aandeel fossiele energie is nog altijd aanzienlijk. Ook voor AI-toepassingen, denk aan de LLM’s (Large Language Models) voor generatieve AI-diensten als ChatGPT en machine learning oplossingen, is veel energie nodig.
Verantwoord gebruik (generatieve) AI
Steeds meer ziekenhuizen introduceren (generatieve) AI-toepassingen en machine learning. Onder andere voor het verwerken van vele duizenden elektronische patiëntendossiers, medische beeldvorming, diagnostiek en klinische onderzoeken. Sterker nog, er gaat tegenwoordig geen dag meer voorbij of er wordt wel ergens in een zorginstelling melding gemaakt van een AI-gedreven oplossing die ontwikkeld, getest of uitgerold wordt.
Een team van onderzoekers van de universiteiten van Adelaide en Reading heeft onderzocht wat de impact van AI, en dan met name generatieve AI-tools (LLM’s), is op de CO2-uitstoot van de zorg. Zij komen tot de conclusie, en het advies, dat het belangrijk is om deze toepassingen op een verantwoorde manier te gebruiken. Bijvoorbeeld door het gebruik van kortere prompts bij AI-tools die ingezet worden om gesprekken met- en gegevens van patiënten samen te vatten. Denk daarbij aan tools zoals Dragon Medical One van Microsoft.
ChatGPT verbruikt 15 x meer energie dan Google
Elke dag dat een patiënt in het ziekenhuis is, documenteren artsen, verpleegkundigen en andere ziekenhuismedewerkers pagina's en pagina's over diens gezondheid. Tegen het einde van een ziekenhuisverblijf is het mogelijk dat de documentatie van één patiënt tienduizenden woorden bevat. In tegenstelling tot druk zorgpersoneel, hebben LLM’s zoals ChatGPT de tijd om deze informatie door te lezen en te verwerken.
“Met grote verwerkingskracht komt echter een grote verantwoordelijkheid. Eén enkele AI-query gebruikt genoeg elektriciteit om een smartphone elf keer op te laden. Daarnaast wordt, voor de koeling van de server, per query ook 20 milliliter water verbruikt in het datacenter. ChatGPT gebruikt naar schatting 15 keer zoveel energie als Google”, aldus onderzoeksleider Oliver Kleinig. “Het implementeren van LLM’s en generatieve AI-tools in de gezondheidszorg kan dus zeer grote gevolgen hebben voor het milieu. De verantwoordelijke directies van ziekenhuizen moeten daarom goed nadenken over waar en wanneer AI moet worden gebruikt in hun organisaties.”
CO2-uitstoot van honderden huishoudens
De dagelijkse CO2-uitstoot van ChatGPT is al gelijk aan die van 400-800 Amerikaanse huishoudens. AI-systemen in de gezondheidszorg zouden waarschijnlijk een nog grotere voetafdruk hebben, omdat ze krachtigere modellen nodig hebben om complexe medische informatie te verwerken en lokaal moeten worden uitgevoerd voor de privacy van de patiënt.
Behalve het hoge energieverbruik in datacenters speekt ook mee dat voor deze diensten meer computersystemen nodig zijn, en dus geproduceerd moeten worden. Alleen dat kan de CO2-voetafdruk van AI-activiteiten verdubbelen.
Vijf belangrijke vragen
Om de impact van ziekenhuizen en andere medische instellingen op het milieu te verminderen, stellen de onderzoekers vijf belangrijke vragen voor die zorgverleners moeten overwegen voordat ze AI-systemen implementeren:
- Heeft mijn organisatie een groot taalmodel nodig? Kan bestaande technologie volstaan?
- Welke LLM moet ik kiezen? Gebruik het kleinst mogelijke model om het resourceverbruik te verlagen - kleinere, nauwkeurig afgestemde LLM's kunnen beter presteren dan grotere toepassingen.
- Hoe kan ik mijn LLM optimaliseren? Gebruik kleinere en specifieke prompts om de CO2-impact van toepassingen te verminderen. Beknopte prompts met verfijnde informatie zijn energiezuiniger.
- Op welke hardware moet mijn LLM draaien? Gebruik bij voorkeur hardware die draait op hernieuwbare energie.
- Welke gegevens moet ik delen? Maximaliseer de efficiëntie van LLM door waar nodig gegevens te delen.
De studie suggereert dat AI de impact van de zorgsector op het milieu ook op andere manieren zou kunnen verminderen, zoals het verbeteren van de patiëntenstroom en het gebruik van papier te beperken. In het algemeen is het, zeker in Nederland, zo dat steeds meer zorginstellingen en fabrikanten in de zorg volop bezig zijn met het terugdringen van de CO2-uitstoot. De aansluiting van het UMCG op een zonnepark, de helium vrije MRI-scanners van Philips en de deelname van steeds meer zorginstellingen aan de Green Deal Duurzame Zorg zijn daar goede voorbeelden van.
