Congres: kan AI sneller leren dan de mens?

Over de toepassing van kunstmatige intelligentie (AI) in de zorg wordt veel gesproken. Zo ook op het congres Regie op Registers Dure Geneesmiddelen (19 maart) waarbij Jochem was uitgenodigd voor een panelsessie over de vraag of AI sneller kan leren dan de mens. Samen met Yoen van der Linden (nauw betrokken geweest bij Registratie aan de Bron), Jolanda Luimen (Data & Analytics Officer bij het Maxima Medisch Centrum) en Otto Visser (manager registratie bij IKNL) ging Jochem in gesprek over de status en inzetbaarheid van AI.

Gestructureerde data als voorwaarde?
Een van de voorwaarden voor het goed kunnen inzetten van AI Is dat de data waar de AI modellen op getraind worden, van goede kwaliteit is. Een bekend adagium voor AI-systemen luidt immers niet voor niets: “poep in = poep uit”. En data van goede kwaliteit; daar schort het nogal eens aan in de gezondheidszorg. Tenminste, wanneer je het bekijkt vanuit het oogpunt van data analytics en AI. Veel informatie staat in tekst, en maar weinig data wordt op een eenduidige en gestandaardiseerde manier opgeslagen. Dokters zitten nu eenmaal niet in het data-verhaal, en willen liever “proza schrijven”, beschrijft Yoen.

Toch ligt de oplossing ook niet in het aansturen op compleet gestructureerde informatie. Dan ga je er namelijk vanuit dat je nu al weet wat je – bij wijze van spreken – morgen zou willen analyseren. En als dus met voortschrijdend inzicht blijkt dat het nuttig is om een bepaald veld toe te voegen aan de registratie, dan wordt het lastig om goede historische analyses te doen. Daarnaast moet er ook ruimte zijn voor twijfel, ambiguïteit en een rijke context – het proza, zoals Yoen het al eerder beschreef.

Het panel komt tot de conclusie dat het wel erg kan helpen wanneer dokters betrokken worden bij de waarde van data analytics. Als ze zelf iets aan de data hebben – bijvoorbeeld in de vorm van Value Based Healthcare – dan zullen ze ook eerder bereid zijn om hun registratieproces daarop aan te passen. De bereidheid tot beter registreren is groter als je het niet alleen voor een ander doet, maar als je er zelf ook direct profijt van hebt, beschrijven zowel Jolanda als Otto.

Machine- of mensenwerk
Ook de vraag of het wel wenselijk is om slimme algoritmes keuzes te kunnen laten maken komt aan bod. Vrijwel iedereen is het erover eens dat we nooit voor 100% op de beslissingen van een algoritme kunnen vertrouwen. Zoals Jochem zegt: AI moet je echt als ondersteuning zien, en niet als degene die uiteindelijk de diagnoses gaat stellen. Met Deep Learning wordt AI immers al snel een zogenaamde black box: het is niet duidelijk op welke manier de algoritmes tot hun beslissingen komen. Een vorm van menselijke controle is wenselijk.

Otto benoemt daarom ook het belang van de rol die data managers spelen. Hij ziet data managers als de meest “uniforme data selectanten”. Zij kunnen analyses maken op basis van nationale standaarden en daarmee zorg je voor de minste variatie die je idealiter kan hebben.

Er is nu al meer mogelijk dan we denken
Een laatste interessante observatie uit het panelgesprek is dat niet iedereen op een lijn ligt over wat er nu al mogelijk is met AI. Zo denken sommige panelleden dat het nog erg lastig is om gestructureerde informatie uit teksten te halen en die toe te passen om modellen op te trainen, terwijl Jochem aanstipt dat op dat gebied juist al heel veel mogelijk is, zolang je er maar genoeg resources tegen aangooit. Ook Jolanda benoemt dat je met een paar weken intensief trainen tot hele interessante modellen kan komen, hoewel zij ook benadrukt dat het voor nu dan wel om oplossingen gaan die op 1 punt heel goed functioneren. “De brede intelligentie die je met je geest kan toepassen” mist nog wel in AI.

Voor CTcue zijn de verwachtingen over wat mogelijk is met AI een belangrijk punt. Het valt op dat er vaak op zo’n manier gesproken wordt dat het lijkt dat AI alleen volledig benut kan worden wanneer de oplossing echt 100% sluitend is. Er wordt daarbij aan voorbijgegaan dat de huidige methodes voor data-verzameling en analyses ook niet 100% sluitend zijn, en dat we daar toch al een heleboel van kunnen leren. Laten we dus vooral focussen op wat nu al kan met AI!

Het hele congres is terug te zien op YouTube (het panelgesprek start rond 2:26:00) of je kan een verslag van het hele congres downloaden op de website van Zorginstituut Nederland.