Het zal niemand ontgaan zijn, maar de intrede van kunstmatige intelligentie (AI) in het dagelijks leven heeft een enorme vlucht genomen in het afgelopen jaar. Zo ook in de zorg. Maar hoe zorgen we dat we deze nieuwe technologie optimaal benutten om de steeds verder vastlopende zorg te ontlasten? Ik vind dat we veel meer moeten kijken naar wat er al beschikbaar is, en niet iedere keer opnieuw het wiel moeten uitvinden.
Als we naar geneesmiddelen kijken, vindt de meeste innovatie in de academisch medische centra plaats. Wanneer een middel de eerste proeve van bekwaamheid heeft doorstaan, komt het bedrijfsleven in beeld om alle grote onderzoeken op weg naar goedkeuring te ondersteunen, in nauwe samenwerking met de wetenschap. Met AI is dat niet anders.
De meeste succesvolle ondernemingen kennen hun oorsprong in de wetenschap. Maar vervolgens zet het bedrijfsleven onderzoeksprojecten om in bruikbare tools, inclusief alle benodigde certificeringen. Neem als voorbeeld Cleerly, een spin off van Weill Cornell Medical College en inmiddels zeer succesvol in het automatisch analyseren van hart CT- scans.
De onderzoeksector is dan wel weer heel belangrijk voor de klinische validatie van deze toepassingen. Naar mijn idee is deze discipline echter nog te veel bezig met het bouwen van nieuwe toepassingen, en onvoldoende met de implementatie en validatie van al beschikbare technologie, waar je vervolgens op kan doorontwikkelen.
De meeste succesvolle ondernemingen kennen hun oorsprong in de wetenschap
Philip Croon
Goed lenen, niet zelf uitvinden
Ik maak met DGTL Health gebruik van dit model. Het bedrijf, dat ik heb opgericht samen met cardiologen Cor Allaart, Jasper Selder en datawetenschapper Olivier Witteman, heeft een volgende stap gezet in de cardiologische zorg met de ontwikkeling van nieuwe holteranalyse-software. Wij maken gebruik van Cardiologs, marktleider in de ontwikkeling van holteranalyse-software op basis van kunstmatige intelligentie. Dit Franse bedrijf is een spin-off van de universiteit in Parijs en recent overgenomen door Philips.
Cardiologs zorgt ervoor dat de tijd per analyse van een rapport, waar nog steeds een analist naar moet kijken, tot een derde is gereduceerd. Daarbij is de kwaliteit van de analyse beter. Maar om te zorgen dat we hier in Nederland een service mee kunnen bouwen waar ook de zorgverlener en de patiënt wat aan heeft, hebben we hier omheen een portaal gebouwd.
Als we de analysesoftware zelf hadden moeten bouwen waren we jaren en miljoenen euro’s verder geweest, zonder dat ook maar een patiënt of zorgprofessional had geprofiteerd. Nu hebben we in 2023 al zo’n 20.000 patiënten in binnen en buitenland kunnen helpen. Dit laat zien dat het doorontwikkelen van eerdere vindingen, vaak van anderen, loont om innovaties werkelijk verder te brengen.
Automatisering en efficiëntie
Onze oplossing is één, maar zeker niet het enige voorbeeld van hoe bestaande technologieën verbeterd kunnen worden voor betere zorg. Door automatisering van processen zoals het ophalen van bestanden en wachtlijstanalyse, worden tijd en nauwkeurigheid gewonnen. Deze efficiëntie is van levensbelang, vooral bij spoedgevallen zoals ventrikeltachycardie of derdegraads AV-blokken.
Met een jaarlijkse analyse van ongeveer 20.000 Holters en een groeiende aanwezigheid in landen als Zweden, Denemarken, IJsland en de Faeröer-eilanden, tonen we met DGTL Health aan dat deze aanpak werkt. De service verlicht niet alleen de last van wachtlijsten in deze landen, maar ondersteunt ook de lokale gezondheidszorg met essentiële diagnostische diensten.
Verbeteren van bestaande software
Met de combinatie van zelfgebouwde en aangekochte software kunnen we flexibel zelf modules bouwen die we zeer innovatief in kunnen zetten. Zo hebben we de benodigde kwaliteitscontrole deels geautomatiseerd waardoor we veel gerichter kunnen controleren of de rapporten kwalitatief van hoog niveau zijn met een twee-ogen-principe.
Dit is natuurlijk niet alleen een Holter-specifiek voorbeeld. In het ziekenhuis wordt in de radiologie veel gebruikt gemaakt van AI. Maar om dat succesvol in te zetten, moet je het integreren, implementeren. Kortom: niet iedereen hoeft opnieuw het wiel uit te vinden. Maar het is cruciaal om dat wiel wel door te ontwikkelen.
