NIEUWS / AI TECHNOLOGIE
Fantasieën zijn aan de orde van de dag als het gaat om AI. Het is echter noodzakelijk om de juiste omgeving te vinden voor implementatie om AI volledig te verankeren binnen de gezondheidszorg.
Eerst is een allesomvattende omgeving nodig.
Historisch gezien wordt het expertsysteem MYCIN, ontwikkeld in 1974, beschouwd als de allereerste toepassing van artificial intelligence in de gezondheidszorg. Het doel was om artsen te helpen bij de diagnose en behandeling van verschillende bloedziekten. Door te proberen de cognitieve mechanismen van experts op een bepaald gebied te reproduceren door te redeneren op basis van feiten en regels (ongeveer 700 regels), heeft deze software tot meer overtuigende resultaten geleid dan menselijke pogingen. Om de effectiviteit te meten, nam het systeem in 1979 deel aan een wedstrijd tegen 8 artsen: Er werden 10 gevallen voorgelegd - en MYCIN eindigde elke keer op de eerste plaats.
De beloften van de toepassing van AIin de gezondheidssector zijn legio: dankzij een betere diagnostische nauwkeurigheid zouden met name de operationele kosten voor medische instellingen dalen en zouden patiënten steeds persoonlijker kunnen worden behandeld.
Fantasieën zijn aan de orde van de dag als het gaat om AI. Het is echter noodzakelijk om de juiste omgeving te vinden voor implementatie om AI volledig te verankeren binnen de gezondheidszorg.
Interoperabiliteit maakt de weg vrij voor precisiegeneeskunde
Interoperabiliteit, dat verwijst naar de mogelijkheid om data gemakkelijk te delen tussen verschillende belanghebbenden, is een inherente beperking binnen de gezondheidszorg die de integratie van AI belemmert. Centrale medische databases of standaard opslagformaten zijn zeer zeldzaam - meestal worden documenten met de hand geschreven en vervolgens gefaxt, waardoor elke vorm van data extractie niet interpreteerbaar is voor machines.
Om een omgeving te creëren die AI in de gezondheidszorg bevordert, is het van het grootste belang om de toegang tot medische data te democratiseren. Dit is van het grootste belang om modellen voor machinaal leren te voeden en te verbeteren.
Meerdere factoren kunnen hier invloed op hebben, zoals:
- Het volume van medische data neemt toe als gevolg van de vermenigvuldiging van wearables of genomische sequencing databases.
- Data beschikbaarheid vergemakkelijkt door het wijdverbreide gebruik van elektronische patiëntendossiers. Ze bieden nu eenvoudig toegang tot een data geschiedenis die meer dan 10 jaar teruggaat.
De Franse start-up Lifen richt zich nu bijvoorbeeld vooral op interoperabiliteit in de gezondheidssector. Het heeft een beveiligd uitwisselingsplatform ontwikkeld voor artsen en medische instellingen, aangedreven door artificial intelligence algoritmen. Hun oplossing biedt hen niet alleen het meest complete adresboek van professionals in de gezondheidszorg in Frankrijk, maar is ook compatibel met 100% van de software voor medische praktijken: het gebruikte formaat data belemmert niet langer het delen van medische data en patiëntinformatie is niet langer verspreid over meerdere software.
De opkomst van telegeneeskunde is een perfect voorbeeld van de democratisering van medische data toegang.
Tegenwoordig vormt de mobiele telefoon een nieuwe bron van data en een krachtig diagnostisch hulpmiddel. Het steeds toenemende gebruik van mobiele telefoons in combinatie met verminderde foutpercentages van algoritmen voor visuele herkenning hebben de oprichters van SkinVision ertoe aangezet een applicatie te ontwerpen die de camera van de telefoon gebruikt om huidlaesies te monitoren en het risico op huidkanker te beoordelen. Dankzij deze "telegeneeskunde"-benadering kunnen artsen een meer verfijnde kennis opbouwen van het gedrag en de levensstijl van patiënten en medische behandelplannen ontwikkelen die meer preventief dan curatief zijn.
Door de combinatie van Big Data, voorspellende analyse en artificial intelligence worden diagnoses en behandelingen gepersonaliseerd, wat leidt tot een volledig klantgerichte aanpak - tegenwoordig Precision Medicine genoemd.
Flexibele regelgeving en overheidssteun zijn beide nodig om AI toepassingen snel te kunnen implementeren in de gezondheidszorg.
Het razende tempo van upgrades van machine learning- en deep learning-systemen zet de toon en een versoepelde regelgeving is nodig voor AI implementaties in de gezondheidszorg om bij te blijven.
In de Verenigde Staten bijvoorbeeld heeft de FDA (Food and Drug Administration) het goedkeuringsproces van AI diagnosesoftware en het gebruik van computervisie in medische beeldvorming sinds 2018 versneld. In april 2018 heeft de organisatie AI algoritmen goedgekeurd om oogziekten zoals diabetische retinopathie te diagnosticeren zonder de second opinion van een arts.
Ook grote techbedrijven in China worden sterk gesteund door de overheid, met name bij de centralisatie van data en de automatisering van medische processen. China's Ministerie van Wetenschap en Technologie kondigde in 2017 aan dat ze een beroep zouden doen op Tencent voor de lancering van een open source AI platform voor medische beeldvorming en diagnostiek. Ondertussen verspreidt het gebruik van Tencent's netwerkplatform WeChat voor het boeken van online afspraken en het betalen van vergoedingen zich steeds meer binnen medische instellingen. De strategie lijkt vruchten af te werpen, want in het eerste half jaar van 2018 heeft China het Verenigd Koninkrijk ingehaald om het op één na actiefste land te worden in het toepassen van AI binnen de gezondheidssector.
Het ontwikkelen van synergieën tussen technologiebedrijven en medische instellingen is een voorwaarde voor de integratie van AI in de gezondheidssector.
Techgiganten vergemakkelijken de toegang tot data en bieden continu geoptimaliseerde technologische hulpmiddelen voor medische faciliteiten.
Apple draagt bijvoorbeeld bij door een ecosysteem op te bouwen dat bevorderlijk is voor klinische proeven. Processen rondom klinische onderzoeken kunnen bijzonder lang en kostbaar zijn. Door onderzoekers te voorzien van een continue data stroom van draagbare apparaten zoals het Apple horloge, kunnen onderzoekers profiteren van realtime informatie over de gezondheid van patiënten die deelnemen aan hun onderzoeken. De Amerikaanse techgigant heeft in 2015 ook twee open source frameworks gelanceerd, ResearchKit en CareKit, die de optimale match tussen patiënt en klinische studie vergemakkelijken en helpen om hun voortgang te monitoren tijdens de geïnitieerde studie. Dit initiatief is slechts één van de tientallen initiatieven die Apple sinds 2015 heeft genomen, als gevolg van de wens van organisatieom zichzelf als leider in de sector te positioneren.
Interoperabiliteit, overheidssteun en flexibele regelgeving, evenals de introductie van synergieën tussen technologiebedrijven en medische instellingen, vormen dus de onderling verbonden omgevingsvariabelen die de vruchtbare bodem kunnen vormen die nodig is voor de volledige benutting van het potentieel van AIbinnen de gezondheidszorg.
Kom meer te weten over hoe AI de gezondheidssector zal verbeteren door de Europese AI Night bij te wonen!