Drie succesfactoren voor AI (in de zorg)
Datakwaliteit, autonomie en benutten voordelen mens én machine
Hey daar,
Kunstmatige intelligentie krijgt een steeds grotere rol in de gezondheidszorg.
Slimme software en apps analyseren data om in te schatten of een patiënt van de intensive care af kan, helpt radiologen met het beoordelen van scans en kan op basis van iemands stem de kans berekenen op de ziekte van Alzheimer.
Alles over kunstmatige intelligentie in de gezondheidszorg kun je nu lezen in mijn nieuwe artikel op mijn blog.
In deze nieuwsbrief richt ik me op drie succesfactoren bij het implementeren van AI in de zorg.
Overigens ook leerzaam als je niet in de zorg werkt! 🙌
Veel leesplezier,
Peter
PS. Ik maakte deze video over voorbeelden van AI in de zorg (16 minuten):
Succesfactoren van AI
De potentie van kunstmatige intelligentie in de gezondheidszorg is gigantisch. Slimme software helpt om ingesproken tekst snel om te zetten in rapportages, schat de kans dat een patiënt een infectie krijgt en helpt een beginnende de ziekte van Parkinson sneller te detecteren. Maar waar moet je beginnen?
Natuurlijk zijn er voldoende kanttekeningen te plaatsen bij de inzet van AI in de zorg. Maar los daarvan: als je er mee aan de slag wil, wat zijn dan een aantal slimme tips en succesfactoren? In mijn artikel deel ik er vijf, hier een selectie van drie factoren:
Voordelen benutten van mens én machine
Let op autonomie en werkplezier
Datakwaliteit op orde
1. Voordelen benutten van mens én machine
Bepaalde taken waar machines in excelleren, zijn lastig voor mensen. En andersom. Dit fenomeen wordt aangeduid als de paradox van Moravec.
Het beste voorbeeld is autorijden. Decennialang wordt al geroepen dat volledig autonome voertuigen er bijna zijn. Alleen vraagt het besturen van een auto twee dingen:
een alomvattend mentaal model van de wereld;
het vermogen om onverwachte situaties te interpreteren.
Algoritmes zijn hier niet goed in (al worden ze beter). Als een taak deze elementen bevat, dan kan het nog beter door een mens gedaan worden.
Andere taken kan AI wel beter dan een mens. Neem het beoordelen van scans door een radioloog, patholoog anatoom of een andere medisch specialist. Een specialist kan onmogelijk honderd afbeeldingen in een paar seconden met elkaar vergelijken. Laat staan dat hij of zij dat direct kan vergelijken met de scans van dezelfde patiënt van een jaar geleden.
Voor een algoritme is dat geen probleem.
2. Let op autonomie en werkplezier
AI toepassingen hebben meerwaarde als de zorgkwaliteit verbetert, de zorgkosten verlagen, als patiënten sneller genezen en als het werk van zorgprofessionals er interessanter, beter en leuker op wordt.
Radioloog Paul Algra is een bekend pleitbezorger van AI in de zorg. Hij stelt in een interview onder meer dat:
‘het gebruik van artificiële intelligentie heeft mijn werk interessanter gemaakt en de kwaliteit van de werkzaamheden verbeterd.’
Uit onderzoek blijkt dat autonomie een belangrijke factor is in het werkplezier van professionals. Als AI te sturend en dominant is in het werk van arts of verpleegkundige, neemt de autonomie en werkplezier af.
Bij een afname van het werkplezier loop je het risico dat zorgprofessionals de AI-software niet gaan gebruiken of (stiekem) gaan saboteren. Het is dus slim om op zoek te gaan hoe AI het werk interessanter kan maken (naar de woorden van dokter Algra).
3. Datakwaliteit op orde
Machine Learning werkt net zo goed als de gelabelde data die het krijgt om mee te trainen. Daarom is het belangrijk om de trainingsdata nauwkeurig te verzamelen en te labellen.
Neem bijvoorbeeld de huidapps voor het herkennen van melanomen. Deze zijn getraind met datasets van overwegend witte mensen.
Een fenomeen dat kan optreden is convenience sampling. Dit betekent dat de AI ontwikkelaars het algoritme hebben getraind met data die de werking van het model versterkt. Onwillige data waar het model minder goed op scoort, kan dan bijvoorbeeld expres buiten de trainingsset worden gelaten.
Een ander element is dat AI-programma’s die het geweldig doen bij één ziekenhuis, meestal een stuk slechter blijken te presteren bij een ander ziekenhuis. Dit signaleerde Eric Topol in een groot academisch overzichtsartikel. De verschillen in patiëntenpopulatie en waarschijnlijk de metadata, door de wijze van registeren, spelen hier een rol in.
Ben je benieuwd naar de andere 2 succesfactoren? Lees dan mijn artikel over AI in de zorg.
Deep Dive
Artikelen, boeken, podcasts, video’s, documentaires en meer over dit thema.
1. LEZEN / Sjors Groeneveld onderzoekt bij Saxion Hogeschool en de Universiteit Twente hoe verpleegkundigen werken met technologie en in het bijzonder kunstmatige intelligentie. Het V-model van Saxion gaat in op wat (deze) technologie van verpleegkundigen vraagt.
2. LEZEN / Het boek Smart Until It’s Dumb van Emmanuel Maggiori gaat over de ontwikkeling van kunstmatige intelligentie algoritmes en de (opzettelijke) fouten die daarin gemaakt kunnen worden.
3. LUISTEREN / Susan en ik bespreken het onderwerp AI in de zorg (en nog veel meer) in aflevering 128 van onze podcast. Luister op iOS, Spotify of YouTube.
4. KIJKEN / Televisieseries over de gezondheidszorg zijn er genoeg, van Grey's Anatomy tot House en Medisch Centrum West. Ik en Susan keken een aantal jaren geleden graag naar de sitcom Srubs (8,4 op IMDb).
Deze scene gaat over een robot die patiënten het slechte nieuws komt vertellen (90 seconden):
Dank 🙏
Bedankt voor het lezen!
Deze nieuwsbrief is gratis, maar niet goedkoop om te maken. Je kunt me daarom op een aantal manieren helpen:
Stuur het door naar iemand die het leuk vindt, lees mijn boek, luister naar mijn podcast, huur me in om te spreken, voor een webinar of voor workshop scenarioplanning.
Interesse? Doe een vrijblijvende boekingsaanvraag.