DE OPKOMST VAN GENERATIEVE AI IN DE GEZONDHEIDSZORG
Hoewel AI op zichzelf al een bijdrage levert aan de verbetering van de diagnose van ziekten door middel van snelle, geavanceerde analyse van medische beeldvorming en andere technieken, generatieve AI heeft het potentieel om klinische werkprocessen en de manier waarop artsen werken ingrijpend te veranderen.
De markt voor kunstmatige intelligentie in de gezondheidszorg zal naar verwachting groeien van $14,6 miljard in 2023 tot $102,7 miljard in 2032, met een samengesteld jaarlijks groeipercentage (CAGR) van 47,6%. (MarketsandMarkets)
Venture capital-bedrijven hebben de afgelopen drie jaar meer dan $1,7 miljard geïnvesteerd in generatieve AI-oplossingen, waarbij vooral AI-gestuurde geneesmiddelenontwikkeling en het programmeren van AI-software de meeste financiering hebben ontvangen. (Gartner)
Er wordt voorspeld dat generatieve AI tegen 2025 zal worden ingezet bij 50% initiatieven op het gebied van geneesmiddelenontdekking en -ontwikkeling. (Gartner)
“In de gezondheidszorg, net als in andere sectoren, biedt generatieve AI het potentieel om mensen te bevrijden van repetitieve taken, waardoor zij hun inspanningen kunnen richten op activiteiten met een hogere toegevoegde waarde en tijd vrijmaken om in te spelen op complexere behoeften.”
Paul de Balincourt, Directeur Gezondheidszorg Data & AI-transformatie bij Artefact
Rapport over generatieve AI voor de gezondheidszorg
Het potentieel van generatieve AI benutten ten behoeve van patiënten, zorgverleners en farmaceutische bedrijven
Het rapport downloaden
Met behulp van een een op het ecosysteem gerichte aanpak waarbij de patiënt altijd centraal staat, het verdeelt het GenAI-landschap in de gezondheidszorg in actoren die rechtstreeks met patiënten werken en faciliterende partijen, en onderzoekt Toepassingsvoorbeelden van GenAI voor elk.
Hieronder volgen enkele van de vele manieren waarop generatieve AI voordelen biedt voor belanghebbenden in de gezondheidszorg:
Farmaceutische bedrijven kan de generatie van data-patiënten voor klinische proeven synthetiseren, de generatie van biomoleculen de novo mogelijk maken en de interactie-assistenten voor verkoopmedewerkers verbeteren.
Zorgverleners beeldverbetering en -analyse inzetten voor een betere diagnose en behandelplanning, en om snel grote hoeveelheden medische informatie samen te vatten.
Onderzoekers kan een groot aantal gezondheids- en medische dossiers scannen om het wervingsproces te stroomlijnen en geschikte kandidaten voor klinische proeven beter te identificeren.
Instanties voor volksgezondheid kan enorme hoeveelheden populatiegegevens analyseren om vroege tekenen van uitbraken op te sporen, de verspreiding van ziekteverwekkers te volgen en te voorspellen, en infectiebronnen te identificeren.
Concrete toepassingsvoorbeelden van generatieve AI:
Toepassingen en voordelen in de gezondheidszorg
Er ontstaan momenteel verschillende belangrijke categorieën van toepassingen voor generatieve AI, variërend van data-augmentatie, het genereren van inzichten en de ontwikkeling van biomoleculen tot het personaliseren van inhoud, productiviteitsverhoging en automatisering.
Gebruiksscenario #1: Het genereren van de synthetische patiënt data ter versnelling van klinische proeven
Doel: Onderzoekers bij klinische proeven.
De werving van patiënten versnellen om de tijd tot de start van fase III te verkorten.
Vul patiënt data virtueel aan met synthetische gegevens over data met betrekking tot klinische kenmerken, genomica, behandeling en uitkomsten; valideer dit om de nauwkeurigheid en de waarborging van de privacy te beoordelen.
“Generatieve AI kan de tijd die nodig is voor de derde fase van klinische proeven verkorten, dankzij ‘augmented cohorts’ (d.w.z. door AI gegenereerde virtuele patiënten), hoewel in elke fase van het proces validatie door een arts vereist is.”
Stéphanie Allassonnière, hoogleraar en vicevoorzitter, Valorisatie en Industriële Partnerschappen aan de Université Paris Cité
Gebruiksscenario #2: Administratief medewerker in de gezondheidszorg (HCP)
Doel: Leden van medische, tandheelkundige, farmaceutische of verpleegkundige teams.
Zorg ervoor dat informatie uit talrijke bronnen (studies, klinische richtlijnen, onderzoeksartikelen…) gemakkelijker te onthouden is, en dat deze kan worden gebruikt en gedeeld met andere zorgverleners.
Centraliseer de inhoud zodat deze door een GenAI-model kan worden doorzocht; train het juiste LLM om de geïdentificeerde prompts te ondersteunen (bijvoorbeeld samenvattingen, bronvermelding, medische vragen…); voer validaties uit om de nauwkeurigheid van de antwoorden, de relevantie van de aanbevelingen enz. te beoordelen.
“In 2020 werden er meer dan 100.000 artikelen gepubliceerd over één enkele ziekte: COVID. Generatieve AI kan zorgverleners ontlasten die onvoldoende tijd hebben om de steeds groeiende hoeveelheid wetenschappelijke literatuur bij te houden, door hen te voorzien van gegenereerde samenvattingen van publicaties.”
Grégoire Pigné, CEO, oncoloog en radiotherapeut bij PulseLife
Het ecosysteem van de gezondheidszorg:
Voorbereidingen treffen om het potentieel van generatieve AI te benutten
We kunnen het ecosysteem onderverdelen in vier hoofdgroepen van spelers:
Hyperscalers generatieve AI toegankelijk te maken voor een breder publiek en zijn al begonnen met het ontwikkelen van modellen en diensten die specifiek zijn afgestemd op de gezondheidszorg. Med-Palm2 van Google, Microsoft BioGPT, HealthScribe van AWS, en NVIDIA BioNeMo zijn er slechts enkele.
Start-ups zoals Nabla, Memora Health en Hippocratische AI hyperscalers aanvullen met innovatieve oplossingen om meer specifieke problemen aan te pakken.
Farmaceutische bedrijven generatieve AI inzetten om proof-of-concepts (POC’s) te ontwikkelen en de ontwikkeling van nieuwe geneesmiddelen te versnellen. Enkele samenwerkingsverbanden om in de gaten te houden zijn Sanofi + Insilico Medicine, Pfizer+Iktos, Servier+Aqemia en AstraZeneca + Benevolent.
Publiek domein belanghebbenden, waaronder ziekenhuizen en onderzoeksinstellingen. Docaposte, een Franse expert op het gebied van ‘sensible computing’, heeft onlangs de lancering aangekondigd van zijn eerste soevereine LLM-dienst met toepassingen in de gezondheidszorg.
Ook investeerders sluiten zich aan bij de GenAI-revolutie en financieren projecten met een grote impact:
“De uitdaging ligt in het integreren van generatieve AI in gevestigde bedrijven die al toegang hebben tot hoogwaardige gezondheidszorg data, in plaats van te investeren in nieuwe start-ups.”
Anne-Sophie Saint-Martin, vennoot bij Newfund Capital
“Hoewel de meeste lopende projecten zich nog in een vroeg ontwikkelingsstadium bevinden, zou de combinatie van GenAI en kwantumcomputers bij het ontwikkelen van geneesmiddelen niet alleen kunnen leiden tot de ontwikkeling van nieuwe behandelingen, maar ook tot nieuwe doorbraken die de natuur zelf nog niet kan bieden.”
Florian Denis, beleggingsdirecteur bij Elaia
Beperkingen, uitdagingen en kansen van generatieve AI in de gezondheidszorg
Hoewel GenAI de belofte in zich draagt om de gezondheidszorgsector ingrijpend te veranderen, brengt het ook aanzienlijke risico’s en uitdagingen met zich mee. Wij belichten de belangrijkste daarvan en onderzoeken mogelijke strategieën om deze risico’s te beperken.
Om bijvoorbeeld patiënt data te beschermen zonder dat anonimisering nodig is, zorgt de Franse start-up Sarus ervoor dat er geen persoonlijke gegevens worden opgenomen in de verfijnde LLM’s.
“Grote taalmodellen (LLM’s) hebben de neiging om onjuiste antwoorden te ‘hallucineren’. Een manier om dit fenomeen te beperken, is door automatisch de documenten uit een kennisbank op te halen die hoogstwaarschijnlijk elementen van het antwoord bevatten, en deze aan de prompt toe te voegen, zodat het LLM over meer context beschikt om een juist antwoord te geven.”
Nicolas Grislain, medeoprichter en Chief Scientific Officer in Sarus
Data-toegankelijkheid speelt eveneens een cruciale rol bij het leveren van de benodigde input voor generatieve AI-modellen; evenzo zijn data-acculturatie en -training onmisbaar om zorgprofessionals vertrouwd te maken met het gebruik en de mogelijke risico’s van deze technologie.
“Het is van essentieel belang om het gebruik van een generatief AI-model te kaderen binnen gebruiksrichtlijnen en ervoor te zorgen dat zorgprofessionals grondig worden opgeleid met betrekking tot de intrinsieke beperkingen en kwetsbaarheden ervan.”
Jean-Marc Bereder, specialist op het gebied van het gebruik van kunstmatige intelligentie en voormalig afdelingshoofd in het Universitair Ziekenhuis van Nice
Vertrouwen en controle: een cruciale rol bij het waarborgen van verantwoorde, betrouwbare AI
Veel spelers gaan verder terwijl er grote onzekerheid heerst over de te behalen prestaties, de mogelijke mate van industrialisering en de nog niet nader omschreven regelgevende beperkingen.
Om deze uitdagingen het hoofd te bieden:
De mens moet altijd centraal staan in besluitvormingsprocessen om controle uit te oefenen en weloverwogen beslissingen te nemen.
De mens moet de belangrijkste begunstigde blijven van de productiviteitswinst die GenAI-toepassingen in de gezondheidszorg en het patiëntenbeheer opleveren.
En menselijk toezicht moet ervoor zorgen dat AI wordt ingezet om haar mogelijkheden ten volle te benutten.
“Op de lange termijn lopen mensen het risico te veel te gaan vertrouwen op gegenereerde documenten, wat zou kunnen leiden tot een verlies aan begrip en technische vaardigheden. Menselijke besluitvorming moet behouden blijven om vervreemding als gevolg van LLM’s te voorkomen.”
Vincent Vuiblet, hoogleraar aan de universiteit en arts in het ziekenhuis – CHU Reims, URCA; directeur van het Instituut voor Kunstmatige Intelligentie in de Gezondheidszorg Reims Champagne-Ardenne (I2AS)
DATA-ADVIES | DATA & DIGITALE MARKETING | DIGITALE HANDEL
